MétaCan
Menu
Retour à la cohorte
Enregistrement W4402640092 · doi:10.5206/ijoh.2023.3.18987

Addressing Poverty and Homelessness is Central to an Equity-Focused Response to Climate Change: Considering Canada as an Example

2024· article· en· W4402640092 sur OpenAlexvenueaboutno aff
Sean A. Kidd, Mariya Bezgrebelna, Susan Chiblow, Maya Gislason, Samantha Green, Finola Hackett, Melissa Hiebert, Christina E. Hoicka, G.N.C. Kenny, Robert D. Meade, Pemma Muzumdar, Renee Rosenmann, Vicky Stergiopoulos, Denise Thomson, Pranita Bhushan Udas, Pierre Valois, Liette Vasseur, Lewis Williams, Gregor Wolbring, Haorui Wu, Edward Xie, Shelby Yamamoto

Notice bibliographique

RevueInternational Journal on Homelessness · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPovertyClimate changeEquity (law)EconomicsNatural resource economicsEnvironmental scienceDevelopment economicsPolitical scienceClimatologyEconomic growthGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

People experiencing poverty are highly exposed to climatic events due to multiple intersecting factors. This commentary centres on poverty, generally, and homelessness, specifically in considering the impacts of climate change on health equity in Canada. We propose prioritizing poverty reduction and prevention over emergency response through measures such as universal basic income and enhanced housing standards. Such work can be grounded in inclusive assessments of risks and leveraged interventions, Indigenous leadership, intersectoral collaboration, and community engagement. We argue that it is essential that we move beyond the current, broad awareness of climate change as a threat multiplier with an emphasis on individual responsibility and the “othering” of people experiencing poverty. What is needed is a clear, systems-focused action fundamentally different from the pace and nature of the work done to date.

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)0,010
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,726

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0280,016
Communication savante0,0090,003
Science ouverte0,0040,004
Intégrité de la recherche0,0100,015
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,223
Tête enseignante GPT0,402
Écart entre enseignants0,179 · 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
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal on HomelessnessMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207