The human dimension of climate change research in Greenland: Towards a new form of knowledge generation
Notice bibliographique
Résumé
In the field of climate change research, social sciences have lagged behind natural sciences and have not yet mustered enough recognition from the public. Studies on the human dimension of climate change commonly use the concepts of ‘vulnerability’ and ‘resilience’. The ‘resilience’ approach investigates the capacity of a community that absorbs environmental disturbances, so as to retain essential social, cultural, and economic structures, while the ‘vulnerability’ approach seeks to identify factors that make the community in question vulnerable to ongoing or future climate change. The term ‘resilience’ tends to give an impression that a system may remain static, and because of this, I adopt the term ‘vulnerability’ in this essay. ‘Vulnerability’ does not mean that Arctic communities are always “vulnerable” to environmental changes but may be negatively impacted by the associated social and political changes. Accordingly, vulnerability means the social and political “characteristics” of the community that is experiencing the changes. This concept helps researchers direct their attention not only to environmental changes, but also to the societal situation of the community. In the second half of this essay, I exemplify how the vulnerability approach works, drawing data from my fieldwork conducted in Siorapaluk, in 2009. More local communities want scientific data in order to plan a course of action and to shape their political and economic policies in the rapidly changing environment. In future, it will be increasingly important for natural scientists to work closely with local communities, and this may lead to a new form of knowledge generation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».