Learning from Wildfire: Understanding the Social Dimensions of Community Response
Notice bibliographique
Résumé
Wildfires are becoming more frequent and intense in Canada’s boreal forest region. Research shows that the social dimensions of communities’ experiences of wildfires and other disasters are influenced by identity factors such as gender, culture, age, and others. However, few studies have examined how these identity factors intersect to create layered, context-specific experiences of disaster. Rather, most research on the wildfire threat in Canada’s boreal forest focuses on physical and technical infrastructure, largely ignoring the social dimensions that affect communities’ capacity to prepare for and respond to disaster. Additionally, within the four-stage disaster management cycle (mitigation, preparedness, response, recovery), there is a missed opportunity for post-disaster learning (PDL): the direct, experiential learning from a wildfire event that can be translated into enhanced, socially sensitive, wildfire disaster management plans. A focus on identity factors, especially how they intersect to shape experiences of wildfire, and social strategies tailored to local context, can inform the development of a community-based framework for PDL. Focusing on two rural municipalities in Northern Saskatchewan who experienced wildfires in 2015, this research has identified key social factors and social strategies that shaped communities’ experiences of a wildfire disaster. Data from interviews and workshops with local residents, together with results from analysis of community-based wildfire and disaster management guides, provided the basis for the co-development of a socially-focused framework for community-based PDL. This framework can be used by rural Canadian communities to learn from their lived experiences with wildfire and other disasters to enhance the ability both to mitigate social impacts of wildfires and to guide future community wildfire management plans. This research also contributes to scholarly methodological knowledge on the use of feminist standpoint theory and intersectionality as means to better understand and address diverse disaster experiences.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,023 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».