MétaCan
Menu
Retour à la cohorte
Enregistrement W6938909460 · doi:10.60692/cfaa3-b4765

A response framework for addressing the risks of climate change for homeless populations

2023· article· en· W6938909460 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensWellesley InstituteUniversity of AlbertaYork UniversityUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésClimate changeService providerService (business)Relation (database)Face (sociological concept)Grey literature

Résumé

récupéré en direct d'OpenAlex

People experiencing homeless have greater vulnerabilities in relation to climate change that require a range of policy and systems approaches. There are two interrelated areas that policymakers can consider in relation to climate change and homelessness: migration and exposure. This synthesis of the available data and expert opinion provides practical information to policymakers, with specific strategies alongside case examples. The data captured here is through systematic reviews, and expert opinion is generated through input from a year-long series of five virtual think tanks. Throughout this synthesis paper, an emphasis is placed on explicitly addressing homeless populations in the policies and plans designed to address climate change-related impacts. Prevention-oriented plans are shown to be more effective in terms of outcomes and cost-effectiveness compared to the more commonly deployed crisis response models. Another key issue considered is the availability of relevant data with which to target policy responses and evaluate outcomes. Data-driven responses tend to be more successful, though relevant data are, to date, lacking for homeless and other marginalized populations. Moreover, effective policy design in this area needs to be intersectional and inclusive, tailored to the needs of local communities and developed in consultation with lived experience stakeholders, including service providers. Policies that ignore local input tend to fail. Prevention-oriented, culturally-situated, and trauma-informed systems and services hold the greatest promise in responding to the severe health risks and inequities that homeless populations face in the climate crisis.Key policy insights Prevention-oriented measures are key, with most focussing on the availability of affordable housing and upgrading housing and living conditions of vulnerable populations.There is a need to include lived experience and input from local communities, especially when designing measures that will impact livelihoods, such as planned migration.Disaster, crisis response, and aftercare plans need to outline explicit measures for homeless populations.There is a need for cross-sectoral alignment of policy and intervention responses.Successful approaches tend to be culturally-situated and trauma-informed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

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

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 Opus0,605
Tête enseignante GPT0,420
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207