Beyond Institutional Silos: Rethinking Multilevel Disaster Risk Governance in Africa a Decade into the Sendai Framework Implementation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Ten years after the adoption of the Sendai Framework for Disaster Risk Reduction 2015–2030, disaster risk governance remains one of its most ambitious yet unevenly implemented priorities, particularly in African contexts. While Priority 2 articulates a comprehensive vision of inclusive, coordinated, and multisectoral governance, many African countries continue to operate without updated disaster legislation or coherent institutional frameworks. This study critically examined how Priority 2 has been interpreted and operationalized in five African countries—Kenya, Nigeria, Egypt, Namibia, and the Democratic Republic of Congo—drawing on qualitative document analysis and a thematic framework derived from the Sendai Framework governance dimensions. The study found partial alignment with Sendai Framework’s aspirations, especially in legal reforms, multilevel planning, and stakeholder engagement in countries like Kenya and Namibia. However, persistent gaps remain in integrating disaster risk reduction into sectoral policies, institutionalizing participation, and ensuring transparency and accountability. The Sendai Framework’s emphasis on technocratic coordination and universal governance models often overlooks power dynamics, historical inequalities, and informal institutional realities, limiting its transformative potential. Participation is frequently symbolic rather than substantive, and risk is treated as a technical variable rather than a product of structural vulnerability. These findings underscore the need to move beyond compliance-driven governance models toward more context-sensitive, adaptive, and justice-oriented approaches. As global risk landscapes evolve, the post-2030 agenda must prioritize institutional learning, power redistribution, and inclusive decision making.
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle