Measuring the Degree of ‘Fit’ Within Social‐Ecological Systems to Support Local Flood Risk Decision‐Making
Notice bibliographique
Résumé
ABSTRACT Effective social‐ecological fit is considered essential for properly managing social‐ecological systems. Despite this importance, the concept of social‐ecological fit lacks the following: clarity in scope and definition, a practical quantitative method to assess effectiveness, and methods capable of equally assessing the social and ecological factors within the system being managed. To address these knowledge gaps, we reviewed how social‐ecological fit has been conceptualised in the literature and then tested the use of Bayesian Belief networks and analysis to quantitatively assess “fit” using the case of flooding in the North Onslow saltmarsh region of Truro, Nova Scotia. The objective of this study was to assess which decision‐making choices would most likely reduce flood risk, and therefore achieve the best ‘fit’. Drawing from a combination of existing literature and local expert opinion, we identified the relevant factors influencing flood risk in the region, their relationship to each other and their combined relationship to local flood risk. Ice jam frequency, high tide frequency and dyke maintenance were found to have the most influence. The results of this study can be used to inform local flood‐risk‐related decision‐making in Truro and act as a model for quantitatively assessing social‐ecological fit in other risk management settings.
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 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 | 0,003 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».