Impact du changement climatique et de l'exploitation des ressources naturelles sur le bien-être dans les communautés autochtones.
Bibliographic record
Abstract
Les changements environnementaux affectent non seulement la végétation, les animaux et l'eau, mais aussi les humains. Les changements climatiques et l'exploitation des ressources naturelles peuvent affecter le bien-être des Autochtones en réduisant l'accès aux services écosystémiques et l'utilisation des savoirs traditionnels et en causant des problèmes de santé mentale. Ce projet de recherche a examiné les impacts des changements environnementaux sur les membres de quatre communautés autochtones dans l'est de la forêt boréale au Canada. Un questionnaire avec des questions fermées à échelles de Likert a été élaboré à partir de l'échelle de détresse environnementale (Environmental Distress Scale; EDS) et de l'échelle de résilience de Connor-Davidson (CD-RISC-10). Les effets potentiels de caractéristiques individuelles (âge, genre, parentalité et temps passé sur le territoire) et de facteurs de protection (santé, qualité de vie, résilience, vie sur le territoire, vie dans la communauté, soutien de l'entourage) ont été examinés. Les données de 251 participants ont été analysées avec des régressions linéaires, de la sélection de modèles et de l'inférence multi-modèles. Les résultats montrent que les répondants ressentent des impacts des changements environnementaux (détresse environnementale). L'âge était la seule caractéristique individuelle à affecter significativement la relation entre les changements environnementaux et les impacts ressentis; les participants plus âgés ressentaient davantage d'impacts. Parmi les facteurs de protection, la qualité de vie a eu l'effet attendu de réduire les impacts ressentis des changements environnementaux. Toutefois, la résilience a montré un effet contraire aux attentes. Les participants plus résilients ressentaient plus d'impacts. Cela pourrait être attribuable au fait que les personnes moins résilientes cessent d'utiliser le territoire quand les changements environnementaux dépassent un certain seuil, et donc seulement les personnes plus résilientes peuvent témoigner des impacts de ces changements. Des recherches supplémentaires seront toutefois nécessaires pour tester cette hypothèse.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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 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".