MétaCan
Menu
Retour à la cohorte
Enregistrement W7112280166

Under the Weather:Reimagining Mobility in the Climate Crisis

2022· book· en· W7112280166 sur OpenAlexaboutno aff

Notice bibliographique

RevueResearch Explorer (The University of Manchester) · 2022
Typebook
Langueen
DomaineSocial Sciences
ThématiqueWater Governance and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeExtreme weatherWork (physics)Intersection (aeronautics)Dependency (UML)Global warming
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Humans and human mobility, including driving and flying, are entangled with the climate emergency. Fossil-fuelled mobility worsens severe weather, and in turn, severe weather disrupts human mobility. A shift to zero-emission vehicles is critical but insufficient to repair the damage or prepare communities for the coming disruptions severe weather will bring. In Under the Weather Stephanie Sodero explores the intersection between human mobility and severe weather. Anchored in two Atlantic Canadian hurricane case studies, Hurricane Juan in Mi'kma'ki/Nova Scotia in 2003 and Hurricane Igor in Ktaqmkuk/Newfoundland in 2010, the book contributes to contemporary cultural and policy discussions by offering five practical recommendations - revolutionize mobility, prioritize vital mobility of medical goods and services, embrace ecological mobilities, rebrand redundancy, and think flexibly - for how mobility can be reimagined to work with, rather than against, the climate in ways that also benefit the health, education, and economy of local communities. This ecological approach to mobilities sheds light on extreme mobility dependency and the impact of mobility disruptions on the ground in Canadian communities. Focusing on the entangled relationship between human mobility and the climate, Under the Weather examines how communities can transform their relationship with mobility to enable greater resilience.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,083
Tête enseignante GPT0,323
Écart entre enseignants0,239 · 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.

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Explorer (The University of Manchester)Même sujetWater Governance and InfrastructureTravaux en français237 207