Climate Crisis, Libraries, and Evidence-Based Decision Making
Notice bibliographique
Résumé
Introduction: In October 2018, the United Nations Intergovernmental Panel on Climate Change stated that 'transformative change' is needed to limit catastrophic impacts of global heating. In 2019, the UN's Emissions Gap Report described their findings as 'bleak' as emissions continued to rise, increasing risks to ecosystems, communities, and health. The level of change necessary is stark and involves steep reductions in emissions, especially in high emitting countries like Canada. One of the most significant contributors is air travel. Methods: This study applies climate science evidence to library professional activities by analyzing the emissions produced by air travel to past CHLA conferences. It uses conference attendance data from CHLA's three most recent conferences. Emissions calculations assume attendees used air travel for trips of more than 500km, or for the 2018 conference, travel from outside of Newfoundland. Results: As in similar studies, emissions resulting from air travel to CHLA conferences comprise a substantial portion of a sustainable per capita annual carbon budget. Significantly reducing air travel is necessary to meet climate targets. Discussion: This assessment addresses only one part of the carbon footprint of the three CHLA conferences studied and offers no baseline for other emissions sources, such as food and accommodations, that could be used in future measurements and decarbonization efforts. However, air travel is the most significant source of emissions from professional development activities. Thus, this poster also explores low carbon meeting options, professional roles in advocating for policy change, and implications for COVID-19 recovery efforts.
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 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».