L’adaptation au changement climatique: Le defi de la gouvernance locale dans le territoire de Cocagne, Grand-Digue, Dundas
Bibliographic record
Abstract
Plusieurs communautés côtières du Nouveau-Brunswick sont déjà aux prises avec des impacts liés aux inondations et à l’érosion des côtes. Notre recherche s’inscrit dans un contexte d’adaptation au changement climatique et des actions de la gouvernance locale appropriées sur le littoral acadien du N.-B. IL s’agit d’une étude de cas dans trois (3) territoires interdépendants, reliés par le partage du bassin versant de la rivière Cocagne de à savoir: Cocagne, Grande-Digue et Dundas (ou Notre-Dame). Elle s’intéresse à l’organisation du territoire, c’est-à-dire que nous voulons comprendre comment les territoires locaux s’organisent, participent et se mettent en réseau pour faire face aux défis d’adaptations au changement climatique. Nous avons comme objectif non seulement de comprendre le processus de mobilisation en vue de renforcer la résilience et la capacité d’adaptation aux changements climatiques des communautés côtières dans une démarche de recherche action-participative. Mais aussi nous voulons comprendre les facteurs qui permettent à ces collectivités de se mobiliser afin de réduire leur vulnérabilité face aux impacts du changement climatique en territoire côtier. Cette étude est basée sur la méthodologie de la recherche-action participative qui consiste à un partenariat entre le chercheur et les acteurs sociaux (le groupe de développement durable des pays de Cocagne) dans la résolution des problèmes.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".