Entendre les préoccupations des populations des petits États insulaires en développement dans l’adaptation au changement climatique.
Bibliographic record
Abstract
Les impacts du changement climatique sur les territoires des petits États insulaires en développement (PEID), tout comme les stratégies de mitigation et d’adaptation des sociétés vulnérables face à ces changements, font l’objet de nombreuses études, en particulier pour les îles des Caraïbes et du Pacifique. En sont issues des politiques de mitigation et d’adaptation devant réduire l’impact du changement climatique sur les populations les plus exposées et les plus vulnérables. Cependant, ces mesures sont-elles basées sur les intérêts et les besoins des communautés locales ? Les savoirs locaux sont-ils pris en compte et associés à l’expertise des scientifiques visant à répondre aux enjeux et aux opportunités auxquels sont confrontées les populations concernées ? Cet article propose d’évaluer de manière critique la façon dont les problématiques liées au changement climatique sont documentées à tous les niveaux dans le contexte des PEID. Il présente également le rôle de certains programmes et projets de développement qui soulignent les revendications émergeant des populations locales. Il nous apparaît ainsi nécessaire d’aborder les effets du changement climatique à travers des perspectives plus vastes liées aux problématiques de développement, de gestion des catastrophes ou encore de réduction de la pauvreté, éléments qui ressortent du discours des populations locales. Au final, il nous semble nécessaire d’équilibrer l’action des multiples acteurs à différentes échelles politiques, spatiales et temporelles et de donner plus d’attention aux PEID de l’océan Indien, d’Asie et d’Afrique afin que ces zones soient documentées au même niveau que les îles des Caraïbes et du Pacifique.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".