Digital Resilience for the Climate Crisis: A Multi-Perspective Analysis
Notice bibliographique
Résumé
This commentary explores multiple perspectives on the potential use of digital technologies to improve organizational resilience in the context of climate change. Such an approach is needed to address this complex problem space, especially since it encompasses a wide variety of phenomena, including floods and landslides, disruptions to global supply chains, heat waves, biodiversity loss, greenhouse gas emissions, and food insecurity. We assembled a diverse set of five scholarly teams specializing in multiple problem topics, research approaches, and theoretical perspectives on this project. Each team identified and problematized a specific facet of digital resilience for the climate crisis. The perspectives cover a range of rich narratives, including digital resilience in the context of floods and landslides in Brazil and Indonesia, conceptual development efforts incorporating the natural environment with people and technology, reconceptualization of the problem space in terms of time and type, and two applications of digital resilience in the domains of global supply chains and carbon emissions tracking. This research commentary thus presents a multi-perspective examination and interrogation of digital resilience for addressing the climate crisis, out of which four transcending themes emerge: the need to integrate nature into sociotechnical thinking, the need to examine actions at both micro and macro levels, the need to include both reactive and proactive strategies, and the need to view climate crisis as a process rather than a series of events. This commentary aims to motivate other scholars who take diverse theoretical perspectives to join us in developing fundamental knowledge and practical solutions needed to achieve digital resilience for the climate crisis.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».