Differences in Perceived Future Impacts of Climate Change on the Workforce Among Residents of British Columbia
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
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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