L’utilisation de la cartographie des valeurs sociales et culturelles comme outil dans l’adaptation aux changements climatiques : exemple d’un projet pilote à l’Île-du-Prince-Édouard (Canada)
Bibliographic record
Abstract
La planification des mesures d'adaptation locale et les préparations d'urgence peuvent réduire ou atténuer les pertes et la détresse résultant des impacts négatifs des changements climatiques dans les petites îles. Toutefois, les plans et les stratégies d'adaptation sont généralement développés en utilisant seulement des données scientifiques et économiques. Celles-ci doivent être complétées par des données reflètant les préoccupations sociales et culturelles des habitants. La cartographie des valeurs sociales et culturelles, utilisant un Système d’Information Géographique (SIG), peut aider à analyser les valeurs humaines qui sont attachées à l'espace géographique. Cette méthode rassemble plusieurs domaines de connaissances différents et crée ainsi la possibilité de révéler des éléments normalement invisibles avec le seul recours aux données scientifiques sur les impacts prévus des changements climatiques. Ces cartes deviennent alors des outils aidant les gouvernements locaux dans la planification et la priorisation des stratégies d'adaptation efficaces. En outre, le processus de construction d'une carte collective rassure les citoyens sur le fait que leurs connaissances et leurs valeurs sont respectées. Cela contribue à développer la confiance et une collaboration en matière de gouvernance, ce qui est essentiel pour l'adaptation efficace aux changements climatiques. Les gouvernements des petites îles et les communautés sont à l'avant-garde de l'adaptation aux changements climatiques, car les petites îles sont parmi les endroits de la planète les plus vulnérables aux effets des changements climatiques. Dans cet article nous présentons une étude pilote de la cartographie des valeurs sociales et culturelles réalisées sur l’Île-du-Prince-Édouard entre janvier et mars 2010. Nous concluons que cette méthode a un potentiel comme outil d'aide à la décision pour l'adaptation aux changements climatiques. La méthode peut être conçue et utilisée par différents intervenants dans d’autres contextes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".