MétaCan
Menu
Retour à la cohorte
Enregistrement W4410133898 · doi:10.1002/wcc.70008

Four Principles of Transformative Adaptation to Climate Change‐Exacerbated Hazards in Informal Settlements

2025· article· en· W4410133898 sur OpenAlexaff
Ben Howard, Simon Moulds, Samuel Agyei‐Mensah, Khadiza Tul Kobra Nahin, Zahidul Quayyum, Brian E. Robinson, Wouter Buytaert

Notice bibliographique

RevueWiley Interdisciplinary Reviews Climate Change · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensMcGill University
Organismes subventionnairesWellcome Trust
Mots-clésTransformative learningInformal settlementsClimate changeHuman settlementAdaptation (eye)Climate change adaptationGeographySettlement (finance)HazardEnvironmental planningPolitical scienceEnvironmental ethicsSociologyEcologyEconomic growthPsychologyArchaeologyEconomicsBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Residents of urban informal settlements are among the most at-risk of climate change-exacerbated hazards. Yet, traditional approaches to adaptation have failed to reduce risk sustainably and equitably. In contrast, transformative adaptation recognizes the inextricable nature of complex climate risk and social inequality, embedding principles of social justice in pathways to societal resilience. Its potential for impact may be greatest in informal settlements, but its application in this context introduces a new set of challenges and remains largely aspirational. To address this missed opportunity, in this focus article we provide clarity on how transformative adaptation can manifest in informal settlements. Although context-dependency precludes the formulation of specific guidelines, we identify four principles which are foundational to its deployment in these settings. Acknowledging constraints, we define levels of achievement of the principles and suggest how they might be reached in practice. Achieving transformative adaptation in informal settlements is complex, but we argue that it is already achievable and could represent a prime opportunity to accelerate the rate of adaptation to build a climate resilient society.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
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 Opus0,149
Tête enseignante GPT0,379
Écart entre enseignants0,229 · 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'étudeQualitatif
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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Climate ChangeMême sujetUrban and Rural Development ChallengesTravaux en français237 207