MétaCan
Menu
Retour à la cohorte
Enregistrement W4410767303 · doi:10.1080/14693062.2025.2511258

The neglect of climate change-induced displacement in policy instruments: interrogating Nepal’s climate change policies and adaptation plans

2025· article· en· W4410767303 sur OpenAlexaff
Dipak Bishwokarma, Ramesh Sunam

Notice bibliographique

RevueClimate Policy · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésClimate changeNeglectClimate change adaptationAdaptation (eye)Natural resource economicsClimate policyDisplacement (psychology)Environmental resource managementPolitical sciencePolitical economy of climate changeEnvironmental planningDevelopment economicsEconomicsGeographyPsychologyEcology

Résumé

récupéré en direct d'OpenAlex

Climate change has escalated disaster events globally, disrupting local livelihood systems and, at times, causing displacement. There is a growing consensus that climate change policies must address displacement to protect vulnerable communities and their livelihoods. This paper examines the extent to which Nepal’s climate change policies have considered displacement and identifies the key reasons behind its inclusion in – or exclusion from – these policies. It primarily draws on policy analysis, expert interviews and a review of the Local Adaptation Plan of Actions (LAPAs). Findings reveal that while displacement is a significant issue for Nepal, the country’s national and local climate change policy instruments have largely failed to incorporate directly relevant provisions. We find that this failure is linked to policy incoherence and the nature of policy making, which focuses on responding to urgent and immediate climate change impacts. Our analysis also suggests that the neglect of displacement in climate policies stems from a vulnerability risk assessment method that is poorly guided by the estimation of future risk and vulnerability scenarios. There was also a lack of shared understanding among key stakeholders about climate-induced displacement and the adaptive capacity of vulnerable communities.

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)0,028
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,009
Communication savante0,0080,006
Science ouverte0,0010,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,130
Tête enseignante GPT0,386
Écart entre enseignants0,256 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate PolicyMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207