Climate cafés as a space for navigating climate emotions: A scoping review
Notice bibliographique
Résumé
Introduction: Climate change poses significant physical health risks, while its mental and emotional impacts are increasingly being recognized and researched. Although Climate Cafés have emerged as community-led interventions offering spaces to discuss climate-related thoughts and feelings, there is a paucity of literature describing their utility and impact. This scoping review maps the existing landscape of Climate Cafés and assesses their role in addressing climate-induced distress, and motivating action. Methods: A literature review was conducted using academic literature published between 2015 and 2024 from the MEDLINE, PsychINFO, Public Health Database, and Web of Science databases. A grey literature search was also undertaken to capture information not published in the academic literature. Results: No academic literature met inclusion criteria while the grey literature yielded 41 records. The grey literature depicted Climate Cafés as flexible, community-driven spaces for individuals to express and process emotions related to climate change. Programs varied: some were action-free spaces focused on emotional support while others promoted climate action. Participant feedback indicated reduced isolation, decreased anxiety, and increased hopefulness after attending sessions. Challenges identified include issues with inclusivity for marginalized communities, cultural barriers, logistical difficulties, and a lack of standardized evaluation methods. Conclusions: Climate Cafés represent a promising yet under-researched approach to addressing the emotional impacts of climate change. Further research is needed to evaluate the effectiveness of Climate Cafés, which could inform their integration into strategies to support both individual well-being and community resilience.
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 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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».