Road to Resettlement: Understanding Post-disaster Relocation and Resettlement Challenges and Complexities Through a Serious Game
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Resettlement and relocation are among the most difficult policies to put into practice, but they may be the best ways to minimize future risks to settlements exposed to natural hazards both before and after disaster events. As climate-related disasters and forced migration become increasingly common worldwide, governments, humanitarian or development actors, and policymakers must now prioritize the implementation of a dignified and effective resettlement program as part of their planning and management responsibilities. Much of this effectiveness depends on the stakeholders and beneficiaries’ understanding and knowledge of the different resettlement phases, culture and customs of affected populations, activities, and the associated implementation challenges, costs, and benefits. Serious games are used in a variety of contexts to increase awareness, train and build capacity in stakeholders and beneficiaries. This article presents a serious game developed to educate practitioners, local agencies, students, and the public to understand the complexities and challenges involved in a successful resettlement. The game is based on a real proposed resettlement project initiated in the Chiradzulu District in southern Malawi after Cyclone Freddy in March 2023, which caused widespread flooding and landslides, forcing some villages to relocate permanently. The progression in the Road to Resettlement Game consists of six primary levels: land and site preparation, housing and livelihood, water, sanitation, and hygiene, health, education, and protection. These levels are meant to be completed in a sequence that adheres to the principles of resettlement. By engaging in the serious table-top board game, players gain an understanding of the resettlement activities, their sequence, and the associated practical (technical and social) and financial challenges.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle