MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394405900 · doi:10.6084/m9.figshare.14920734

Navigating Nature-Based Coastal Adaptation through Barriers: A Synthesis of Practitioners’ Narrative from Nova Scotia, Canada

2021· dataset· en· W4394405900 sur OpenAlexaboutno aff
H. M. Tuihedur Rahman, Tony Bowron, Bob Pett, Kate Sherren, Alex Wilson, Danika van Proosdij

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNova scotiaNova (rocket)NarrativeAdaptation (eye)OceanographyGeographyPsychologyArchaeologyEngineeringGeologyArt

Résumé

récupéré en direct d'OpenAlex

Nature based coastal adaptation (NbCA) sustainably helps minimize sea-level rise impacts, using and enhancing the natural capacity of coastal ecosystems. Despite its relative advantages over conventional hard protection infrastructure, the implementation of NbCA is challenged by diverse barriers, many of which cannot be overcome in the absence of appropriate policy directives. This paper draws on organizational practitioners’ case study narratives collected from six NbCA projects planned and/or implemented in Nova Scotia, Canada, to answer how the implementation of NbCA approaches can be navigated through adoption barriers. Results reveal that institutional and psychological barriers dominate, and they also show path-dependency. In addition, barriers are often influenced by the biophysical properties of a restoration site. To navigate through barriers, it is important to identify policy opportunities and redistribute roles and responsibilities. Organizational knowledge creation through partnership and community engagement are two other strategies required for the successful implementation of NbCA.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,647

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,017
Études des sciences et des technologies0,0080,003
Communication savante0,0050,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,247
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetCoastal and Marine Management→Travaux en français237 207→