Analyse comparative de la vulnérabilité sociale aux changements climatiques : exemples de Chéticamp et des communes d’Huong Phong et d’Hai Duong
Bibliographic record
Abstract
Le changement climatique, n’étant pas nouveau à l’échelle historique, entraîne maintenant des répercussions énormes auxquelles il faut s’attaquer. L’augmentation du niveau de la mer, des tempêtes, des pluies et des périodes de sècheresse sont des impacts actuels et potentiels qui touchent l’ensemble des régions du monde, surtout celles situées le long des côtes. L’adaptation à ces changements environnementaux est aujourd’hui une stratégie émergente qui mérite d’être diffusée. Le concept est actuellement étudié à travers une évaluation de la vulnérabilité sociale. De tels modèles théoriques considèrent non seulement les facteurs environnementaux, mais aussi les variables d’ordre social, politique, économique et institutionnel qui peuvent influencer la vulnérabilité sociale d’une population aux changements climatiques. Cette recherche a d’abord pour but de comparer le niveau de vulnérabilité sociale aux changements climatiques de deux régions côtières, Chéticamp au Canada et les communes d’Huong Phong et d’Hai Duong au Vietnam, avec les variables mentionnées ci-dessus découlant du modèle de la vulnérabilité sociale d’Adger. Les deux régions présentent des niveaux de développement différents, mais des modes de vie qui dépendent grandement des ressources naturelles. Les conclusions de l’étude démontrent bien le poids des divers facteurs dans l’étude de la vulnérabilité sociale aux changements climatiques. À Chéticamp, les impacts physiques et environnementaux des changements climatiques sont plutôt anticipés et la vulnérabilité sociale est ressentie au niveau individuel (salaires inférieurs et dépendance aux ressources naturelles) et institutionnel (réponse nationale adaptive posant problème). Pour Huong Phong et Hai Duong, l’évaluation démontre une influence similaire de ces deux types de facteurs, mais les impacts physiques des changements climatiques sont ressentis de façon beaucoup plus sévère. Deux interventions locales d’adaptation par des organisations non-gouvernementales (ONG) sont ensuite analysées afin de voir si et comment elles remédient à la vulnérabilité des populations respectives. Dans les deux cas, les interventions locales par les organisations non-gouvernementales (ONG) s’avèrent plus pertinentes et efficaces que les stratégies nationales d’adaptation étudiées avec les facteurs institutionnels du modèle.
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 | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".