Un cadre conceptuel pour explorer localement les facteurs de vulnérabilité et les options d’adaptation aux changements climatiques
Bibliographic record
Abstract
Cet article décrit un cadre conceptuel pour explorer les facteurs affectant la vulnérabilité aux aléas reliés au climat ainsi que des options d’adaptation aux changements climatiques. Ce cadre permet de guider des réflexions dans un langage simple et non technique, tout en étant compatible avec différentes conceptualisations de la vulnérabilité. Il a été développé à travers l’élaboration d’un plan d’action pour l’adaptation avec l’administration municipale de Rivière-au-Tonnerre sur la Côte-Nord, dans la province de Québec au Canada, en collaboration avec le département d’aménagement de la Municipalité régionale de comté (MRC) de la Minganie. Le cadre consiste à séparer la chaine de causalité du développement de conséquences à partir d’aléas climatiques en trois étapes : le développement d’aléas secondaires dans le milieu naturel ; les dommages biophysiques ; et la perturbation des activités humaines. Il est mis en œuvre dans une série de deux tableaux guidant a) les facteurs favorisant les conséquences négatives, donc contribuant à la vulnérabilité et au risque, et b) les facteurs et pratiques qui peuvent réduire ces conséquences négatives, et qui contribuent à la résilience. Ce dernier tableau permet d’explorer des actions et pratiques qui peuvent être améliorées ou encore mises en place nouvellement, constituant des opportunités pour l’adaptation. L’exemple développé à Rivière-au-Tonnerre a permis de situer en ce sens le rôle de différents acteurs au niveau local, régional, provincial et fédéral. Il a permis d’identifier des facteurs qui pourraient être quantifiés pour suivre les effets de certaines initiatives d’adaptation.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.005 | 0.022 |
| Scholarly communication | 0.010 | 0.015 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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 source (direct Gemma or distilled Codex), 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".