MétaCan
Menu
Retour à la cohorte
Enregistrement W4412637003 · doi:10.3390/cli13080157

Differences in Perceived Future Impacts of Climate Change on the Workforce Among Residents of British Columbia

2025· article· en· W4412637003 sur OpenAlexafffundabout
Andreea Bratu, Aayush Sharma, Carmen H. Logie, Gina Martin, Kalysha Closson, Maya Gislason, Robert S. Hogg, Tim K. Takaro, Kiffer G. Card

Notice bibliographique

RevueClimate · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensAIDS VancouverUniversity of TorontoSimon Fraser UniversityAthabasca UniversityUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésWorkforceClimate changeGeographyBusinessEnvironmental planningPsychologyEnvironmental scienceSocioeconomicsEnvironmental resource managementEconomic growthSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Certain industries will bear a disproportionate share of the burden of climate change. Climate change risk perceptions can impact workers’ mental health and well-being; increased climate change risk perceptions are also associated with more favourable adaptive attitudes. It is, therefore, important to understand whether climate risk perceptions differ across workers between industries. We conducted an online survey of British Columbians (16+) in 2021 using social media advertisements. Participants rated how likely they believed their industry (Natural Resources, Science, Art and Recreation, Education/Law/Government, Health, Management/Business, Manufacturing, Sales, Trades) would be affected by climate change (on a scale from “Very Unlikely” to “Very Likely”). Ordinal logistic regression examined the association between occupational category and perceived industry vulnerability, adjusting for socio-demographic factors. Among 877 participants, 66.1% of Natural Resources workers perceived it was very/somewhat likely that climate change would impact their industry; only those in Science (78.3%) and Art and Recreation (71.4%) occupations had higher percentages. In the adjusted model, compared to Natural Resources workers, respondents in other occupations, including those in Art and Recreation, Education/Law/Government, Management/Business, Manufacturing, Sales, and Trades, perceived significantly lower risk of climate change-related industry impacts. Industry-specific interventions are needed to increase awareness of and readiness for climate adaptation. Policymakers and industry leaders should prioritize sectoral differences when designing interventions to support climate resilience in the workforce.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,040
Tête enseignante GPT0,290
Écart entre enseignants0,250 · 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'étudeObservationnel
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'admission3
Résumé présentoui

Explorer davantage

Même revueClimateMême sujetClimate Change and Health ImpactsTravaux en français237 207