From “build back the same” to transformative recovery: enablers and barriers for climate-focused pathways in post-disaster case studies across Europe
Notice bibliographique
Résumé
Disasters are frequently framed as opportunities for transformative change. Yet in practice, recovery processes often restore unsustainable systems under the guise of resilience or return to normal. This article examines whether, how, and under what conditions post-disaster recovery can catalyze transformative recovery pathways with a focus on climate mitigation and adaptation. Our study presents an interdisciplinary analytical framework that integrates insights from transformative research, sustainability transitions, and resilience thinking, providing a pragmatic heuristic to navigate post-disaster recovery efforts. We apply the framework to four case studies that represent different systems triggered by different disruptions: agriculture in Italy (drought), housing in Türkiye (earthquake), mobility in Spain (flood), and energy in Ukraine (war). Our findings across the cases show that most recovery efforts fall short of reconfiguring the systems in focus, primarily reproducing pre-disaster patterns, with recovery processes commonly characterized by siloed governance, technocratic fixes, and fragmented activities. Still, disasters can also open opportunities for new climate solutions, collaborations, and narratives that can challenge existing regimes and path dependencies. This is possible through addressing the enablers and barriers that cut across different spheres of transformations. Based on the findings, we argue that transformative recovery cannot be enabled purely through risk management, technical adaptation, or return to normal, but must engage with questions of power, meaning, and governance. The study offers researchers a lens to analyze transformation potential across various types of systems and disruptions and provides policymakers and practitioners with insight into the conditions that are important for transformative recovery.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».