Dual Challenge of Climate Change and Misinformation: How Misinformation Shapes Vulnerability and Adaptation in Rural Communities in Pakistan
Notice bibliographique
Résumé
South Asia is among the world’s most climate-vulnerable regions, with rural farming communities facing increasing exposure to climatic stressors and constrained adaptive capacity. In Pakistan, where agriculture remains the primary livelihood for a large rural population, adaptation to climate change depends not only on economic and institutional resources but also on access to credible climate information. This study examines how misinformation influences climate risk perception, perceived vulnerability, and adaptive decision-making among smallholder farmers in Punjab, Pakistan. The study is grounded in the Model of Proactive Private Adaptation to Climate Change (MPPACC) and extends this framework by conceptualizing misinformation as a cognitive and structural barrier embedded within farmers’ information environments. A mixed-methods research design was employed in Dera Ghazi Khan, a socially marginalized and climate-sensitive district. Quantitative data were collected through a household survey of 202 farming households and analyzed using descriptive statistics and regression analysis. Qualitative data were generated through five focus group discussions and ten key informant interviews with extension agents, community leaders, and local intermediaries and analyzed using thematic analysis. The findings show that misinformation distorts farmers’ perceptions of climate trends and risks, leading to misinterpretation of climatic changes. Exposure to misinformation contributes to heightened perceived vulnerability, fatalism, and declining trust in institutional actors, which together weaken adaptive capacity and reduce the adoption of climate-smart practices. By integrating misinformation into the MPPACC framework, the study advances adaptation theory and highlights the need to strengthen extension services, promote literacy, and treat information systems as a component of resilience policy.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».