Notice bibliographique
Résumé
• Narratives about the wildland urban interface homogenize experiences with wildfire. • We need to expand our idea of geographies of risk associated with wildfire. • People who live in fire adapted landscapes are potential stewards. Place-based stewardship in mountain watersheds can play an important role in responding to and helping to mitigate different kinds of landscape-based hazards, including wildfire and post-fire flooding. In a world with more extreme wildfire, what does it mean to live with fire, where the impacts affect people and places across jurisdictions for many years after the fire itself? Drawing on over two years of ethnographic fieldwork including participant observation and interviews, I explore this question in the particular geographic and land use context of the Poudre Canyon in northern Colorado. Local stewardship practices in mountain communities can benefit populations beyond the fire perimeter. These may be rooted in ongoing relationships to the land, local, volunteer-based hazard mitigation and emergency response, and post-fire collaborative efforts. Using narrative analysis, I examine how landscapes at risk of fire are defined, how wildfire risk is communicated to those living in these landscapes in Colorado, and how discourses of risk and responsibility facilitate or constrain adaptation to living with extreme fire. I encourage an approach to risk communication that conceptualizes those who live in fire adapted landscapes as potential stewards. I also suggest that wildfire risk reduction efforts should be more geographically and socially expansive, to acknowledge that contending with wildfire and its associated hazards of smoke and flooding is a society-wide challenge, not just for those living in fire adapted landscapes. Living with fire is a process, and community members, practitioners, and scientists alike are reorienting toward a world with more extreme wildfire.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,023 | 0,052 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».