Cultural and Institutional Factors Driving Severe Repetitive Flood Losses: Insights From the Jersey Shore
Notice bibliographique
Résumé
Decisions about how to respond to coastal flood hazards often involve disagreements over resource allocations. In the United States, large intergovernmental fiscal transfers have enabled rebuilding in areas that experience severe repetitive losses. This case study focuses on Ortley Beach, a barrier island neighborhood in Toms River, New Jersey, to examine the process of rebuilding after Superstorm Sandy in 2012 and competing visions for the future. A decade later, we conducted 32 key-informant interviews-including residents and local, state, and federal officials-to examine how values, worldviews, and beliefs shape preferences for coastal risk reduction strategies. A central debate was whether public resources should support staying or leaving the island. Key concerns included the economic impacts of strategies on household and public finances, the effectiveness of strategies to mitigate future flood damages, and fairness in the distribution of costs and responsibilities. Conflicts emerged in how stakeholders framed their preferences. Local officials tended to hold more individualistic-hierarchical worldviews, weaker beliefs in climate science, and favored actions to protect high-value properties to preserve the tax base while externalizing costs. In contrast, some residents and most state and federal officials held more community-egalitarian worldviews, stronger beliefs in climate science, and preferences for long-term adaptation strategies to reduce risk, including property buyouts. Responding to the primary concern about economic impacts, we recommend enhancing individual and local financial resilience to climate and political shocks by diversifying municipal revenue streams, encouraging proactive risk-based planning, exploring innovative insurance models, and better accounting for the long-term costs of rebuilding.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».