MétaCan
Menu
Retour à la cohorte
Enregistrement W4415587034 · doi:10.21083/crrf.v27i1.8588

L’adaptation au changement climatique: Le defi de la gouvernance locale dans le territoire de Cocagne, Grand-Digue, Dundas

2025· article· W4415587034 sur OpenAlexaffabout
Daya Yahaya, Omer Chouinard

Notice bibliographique

RevueProceedings of the Canadian Rural Revitalization Foundation · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésLocale (computer software)ESPACELocal Development

Résumé

récupéré en direct d'OpenAlex

Plusieurs communautés côtières du Nouveau-Brunswick sont déjà aux prises avec des impacts liés aux inondations et à l’érosion des côtes. Notre recherche s’inscrit dans un contexte d’adaptation au changement climatique et des actions de la gouvernance locale appropriées sur le littoral acadien du N.-B. IL s’agit d’une étude de cas dans trois (3) territoires interdépendants, reliés par le partage du bassin versant de la rivière Cocagne de à savoir: Cocagne, Grande-Digue et Dundas (ou Notre-Dame). Elle s’intéresse à l’organisation du territoire, c’est-à-dire que nous voulons comprendre comment les territoires locaux s’organisent, participent et se mettent en réseau pour faire face aux défis d’adaptations au changement climatique. Nous avons comme objectif non seulement de comprendre le processus de mobilisation en vue de renforcer la résilience et la capacité d’adaptation aux changements climatiques des communautés côtières dans une démarche de recherche action-participative. Mais aussi nous voulons comprendre les facteurs qui permettent à ces collectivités de se mobiliser afin de réduire leur vulnérabilité face aux impacts du changement climatique en territoire côtier. Cette étude est basée sur la méthodologie de la recherche-action participative qui consiste à un partenariat entre le chercheur et les acteurs sociaux (le groupe de développement durable des pays de Cocagne) dans la résolution des problèmes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,641
Score d'incertitude au seuil0,714

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,010
Communication savante0,0070,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,248
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Rural Revitalization FoundationMême sujetFrench Urban and Social StudiesTravaux en français237 207