A pioneering approach to measure increased resilience to face climate change: insights from the Race to Resilience campaign
Notice bibliographique
Résumé
Abstract This paper illustrates a methodology to measure the impact of resilience-building actions on the increased resilience of people and natural systems to face climate change, developed and field-tested around the Race to Resilience Campaign. Despite increasing acknowledgment of the need for robust methodologies and indicators to monitor and evaluate efforts across adaptation planning and implementation, and provide credibility, accountability and transparency to such actions, there is still a lack of sufficiently standardized and agreed upon metrics able to capture the effect of resilience-building actions. The proposal illustrated in this manuscript offers a pioneering approach for high-level tracking, monitoring and evaluation of resilience-building efforts of non-state actors, based on two complementing sets of metrics: depth metrics measure the degree to which an action is generating a change to fundamental conditions which can demonstrably be related to increasing resilience; while magnitude metrics offer a quantification of the beneficiaries that are affected by these changes. Underlying both stand the Resilience Attributes: properties which can be soundly associated with triggering resilience across different systems, and which can then be used to assess increased resilience ‘by proxy’: that is, by seeing how an action sets forth changes in properties commonly associated with resilience. These Attributes were identified based on updated scientific literature and co-construction exercises with global experts. The integration of Depth and Magnitude indices, adjusted by a Confidence Index evaluating data reliability, allows to estimate the overall contribution of a set of actions on increasing resilience against climate challenges. Based on the above, a possible Monitoring & Evaluation cycle is proposed, and an illustration is offered on two case studies from the Race to Resilience campaign. Key strengths, lessons learned and insights are summarized to stimulate the global discussion, in the context of the Global Stocktake and Global Goal on Adaptation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».