What can be said about risks, vulnerabilities, and adaptation to climate change in Caribbean small island developing states (SIDS)? The case of Dominica. A qualitative study
Notice bibliographique
Résumé
Caribbean Small Island Developing States (SIDS) are qualified as disproportionately vulnerable to climate change, including climate extremes like hurricanes. Yet, there is a paucity of research regarding climate risks that refer to health and human mobility, and there is a need for vulnerability and adaptation assessment in Caribbean SIDS. Our study discusses risks and vulnerabilities including local adaptive capacity in a Caribbean context to inform future adaptation measures to climate change. Our discussion is based on qualitative data collected in the Caribbean islands of Dominica and Guadeloupe. The data emanates from semi-structured interviews organized between March 2020 and January 2021 with people who were either displaced within Dominica following climate extremes that struck Dominica in 2015 (Tropical storm Erika) and 2017 (Hurricane Maria), and also with people who migrated to Guadeloupe in 2017. Interview guides were based on conceptual frameworks on climate change, migration and health, and vulnerability to climate change. Data was analyzed deductively, based on frameworks and inductively to allow new codes to emerge. Participants demonstrated diverse perspectives on climate change. The study highlighted the significance of social ties and resources in supporting local adaptive capacity and mobility in response to climate extremes. Agriculture’s vulnerability raised concerns for long-term economic implications and food security. Some recommendations for building local adaptive capacity to climate change underscore the need for knowledge and information exchange between actors and institutions, and community inclusion; equity; enhanced coordination between government and local actors and decentralisation; and public health programmes and resources. Institutions such as health, education and media should be strengthened to build adaptive capacities for communities in the face of climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,016 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».