Accredited qualifications for capacity development in disaster \nrisk reduction and climate change adaptation
Notice bibliographique
Résumé
Increasingly practitioners and policy makers working \nacross the globe are recognising the importance of \nbringing together disaster risk reduction and climate \nchange adaptation. From studies across 15 Pacific island \nnations, a key barrier to improving national resilience \nto disaster risks and climate change impacts has been \nidentified as a lack of capacity and expertise resulting \nfrom the absence of sustainable accredited and quality \nassured formal training programmes in the disaster risk \nreduction and climate change adaptation sectors. In the \n2016 UNISDR Science and Technology Conference \non the Implementation of the Sendai Framework for \nDisaster Risk Reduction 2015–2030, it was raised that \nmost of the training material available are not reviewed \neither through a peer-to-peer mechanism or by the \nscientific community and are, thus, not following quality \nassurance standards. In response to these identified \nbarriers, this paper focuses on a call for accredited formal \nqualifications for capacity development identified in the \n2015 United Nations landmark agreements in DRR and \nCCA and uses the Pacific Islands Region of where this \nis now being implemented with the launch of the Pacific \nRegional Federation of Resilience Professionals, for \nDRR and CCA. A key issue is providing an accreditation \nand quality assurance mechanism that is shared across \nboundaries. This paper argues that by using the United \nNations landmark agreements of 2015, support for a \nregionally accredited capacity development that ensures \nall countries can produce, access and effectively use \nscientific information for disaster risk reduction and \nclimate change adaptation. The newly launched Pacific \nRegional Federation of Resilience Professionals who \nwork in disaster risk reduction and climate change \nadaptation may offer a model that can be used more \nwidely.
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 | 0,055 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,007 | 0,026 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,123 | 0,031 |
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 ».