MétaCan
Menu
Retour à la cohorte
Enregistrement W4403873214 · doi:10.1177/27539687241290821

Riskscapes: A framework for risk assessment in colonial contexts

2024· article· en· W4403873214 sur OpenAlexafffundabout
Guillaume Proulx, Hugo Asselin

Notice bibliographique

RevueProgress in Environmental Geography · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAnthropological Studies and Insights
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésColonialismComputer scienceRisk analysis (engineering)HistoryBusinessArchaeology

Résumé

récupéré en direct d'OpenAlex

Risk assessment is a critical aspect of coping with environmental changes. The identification of values at risk — entities, attributes, and ideas that are important to a community — is a key component of a population's ability to resist or adapt to hazards. In colonial contexts, risk assessment must take into account the distinct relationality to the land of Indigenous and non-Indigenous groups and the historicized power relations. Most risk assessment frameworks ignore or oversimplify the cultural heterogeneity of human–environment relationships by using generalized value concepts. The few context-dependent frameworks that have been proposed do not account for different sociocultural groups living on the same land. We propose a spatial-based risk assessment approach inspired by the concept of riskscape, acknowledging diverse perceptions of risk and landscape among different sociocultural groups. We present a risk assessment method eliciting values for different sociocultural groups in their specific contexts using separate valuation methods, and then aggregating them into a joint geospatial interface to highlight convergent and competing interests. Illustrated with the boreal region of northwestern Quebec (Canada), we discuss how the riskscape framework balances Indigenous and non-Indigenous perspectives in a non-hierarchical assessment of values at risk.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,137
Score d'incertitude au seuil0,544

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,346
Écart entre enseignants0,333 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProgress in Environmental GeographyMême sujetAnthropological Studies and InsightsTravaux en français237 207