MétaCan
Menu
Retour à la cohorte
Enregistrement W4402749274 · doi:10.1080/1088937x.2024.2405742

Vulnerability and adaptation on the icecap’s edge: farming communities in subarctic South Greenland

2024· article· en· W4402749274 sur OpenAlexaboutno aff
Firooza Pavri, Lisa Luken

Notice bibliographique

RevuePolar Geography · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubarctic climateVulnerability (computing)Adaptation (eye)GeographyAgricultureEnvironmental resource managementEnvironmental scienceArchaeologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Variability in climate and weather conditions and socio-economic shifts are dramatically altering the landscapes and livelihoods of peoples of the northern high-latitudes. Such escalating trends have distinctive consequences at the local and regional scale and the ability to adapt to such rapid changes will challenge cultural, social, and economic systems across Arctic regions. Using a cultural landscape approach, this study provides an in-depth qualitative analysis of sheep farming communities in subarctic South Greenland. Our study centers local voices and helps document shifting weather-related and other socio-economic challenges. We interview four farming households, one historian, and one local economic development expert to understand the broader context, the challenges and vulnerabilities, and the persistence of agriculture in this high north region. Our analysis reveals four overarching themes influencing the sustainability of sheep farming: (1) multi-generational farming heritage, (2) reciprocity and community support, (3) shifting weather and climate influences and farming livelihoods, and (4) farm operations and new opportunities. Findings from this study fill a gap in the literature on local and regional impacts of weather and socio-economic shifts in remote regions. Through the inclusion of local Inuit and other voices, we document how geographically dispersed subarctic communities are adapting to broader shifts.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,062
Tête enseignante GPT0,340
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolar GeographyMême sujetIndigenous Studies and EcologyTravaux en français237 207