MétaCan
Menu
Retour à la cohorte
Enregistrement W4409037808 · doi:10.1016/j.joclim.2025.100418

Towards youth-inclusive strategies for research on climate change and health in sub-saharan Africa

2025· article· en· W4409037808 sur OpenAlexaff
Adélaïde Lusambili, Kizito L Muchanga, Laurie Maria Vusolo, Constance Shumba

Notice bibliographique

RevueThe Journal of Climate Change and Health · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésClimate changePolitical scienceGeographyEnvironmental planningEconomic growthEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Globally, young people are effecting significant changes in the field of climate change through various means, such as advocacy, education and awareness campaigns, litigation, innovative solutions, and volunteering. These youth-led initiatives are essential, considering that they will face the long-term health effects of climate change. The need to address disparities in climate and health-related research, policy, and program responses in sub-Saharan Africa (SSA) has never been greater, considering the increasingly pronounced effects of climate change on human health. Within the African continent, where research, policies and programs are predominantly shaped by older people, the inclusion of youth is vital to contribute effectively to the discourse on climate change. In this short communication, we reflect on the limited representation of young people as researchers within the African academy studying the links between climate change and health. We provide a rationale emphasizing the urgent need to build a robust community of researchers that encompasses youth. Our argument advocates for gender-responsive investments in training young researchers in climate change and health to deepen their understanding and address the disproportionate impacts on vulnerable populations. We propose strategies to enhance their meaningful involvement in research and knowledge production in these fields.

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)0,160
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,848

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1600,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0140,019
Communication savante0,0220,019
Science ouverte0,0040,049
Intégrité de la recherche0,0080,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,446
Tête enseignante GPT0,481
Écart entre enseignants0,035 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Climate Change and HealthMême sujetClimate Change and Health ImpactsTravaux en français237 207