La gouvernance de l'adaptation locale aux changements climatiques
Bibliographic record
Abstract
Le sujet de ce mémoire porte sur la gouvernance multiniveau de l’adaptation au changement climatique au Canada. L’objectif premier est de comprendre les interactions entre les institutions de différents paliers gouvernementaux dans le domaine de l’adaptation et d’analyser la relation entre la gouvernance et la capacité d’adaptation. La littérature nous permet de déduire que les mécanismes institutionnels et la gouvernance sont des facteurs clés qui façonnent la capacité d’adaptation. Nous avançons que les dimensions de la gouvernance multiniveau, soit les dimensions horizontales et verticales, ont chacune une structure qui contribue à l’efficacité de l’adaptation. En partant de l’hypothèse que la dimension verticale est plus efficace pour renforcer la capacité d’adaptation, une analyse locale est produite sur les villes de Montréal et Vancouver. Je pars de la question à savoir comment l’interaction entre les acteurs locaux, provinciaux et fédéraux influence-t-elle la capacité d’adaptation au changement climatique des villes. À la suite d’une analyse des outils institutionnels des deux villes et des autres paliers, il appert que l’efficacité de l’adaptation et le renforcement de la capacité d’adaptation dépendent en fait de la complémentarité des deux dimensions. Les carences d’un leadership descendant peut être palié par les forces d’un leadership ascendant, et vice versa. Les ressources informationnelles offertes par les institutions provinciales et fédérales ont efficacement contribué au renforcement de la capacité d’adaptation locale, alors que les pouvoirs et les responsabilités ont été efficacement répartis par les institutions locales. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : adaptation au changement climatique, capacité d’adaptation, gouvernance, Montréal, Vancouver
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".