Mesures d'adaptation à la chaleur : exploration du vécu de personnes en milieu urbain (Montréal, Québec)
Bibliographic record
Abstract
Afin de protéger les populations urbaines des extrêmes de chaleur, des organisations et les villes mettent en place des mesures d’adaptation à la chaleur, comme les plans d’intervention en cas de chaleur et le verdissement urbain. Si ces mesures se multiplient avec la menace des changements climatiques, il manque de connaissances sur l’expérience vécue de celles-ci et la perception de leur accessibilité. Les études quantitatives tentant de mesurer leur efficacité rencontrent plusieurs défis méthodologiques les empêchant de conclure à un lien de causalité entre leur implantation et les taux de mortalité ou de morbidité. Parallèlement, des études à devis mixte et des études qualitatives identifient plusieurs indices à travers le processus de fonctionnement des mesures qui indiqueraient qu’elles seraient moins efficaces et accessibles que souhaité. Les études existantes sur les mesures d’adaptation à la chaleur s’intéressent généralement à un type de mesure à la fois et manquent d’établir un portrait plus global de l’expérience des personnes directement affectées pour mieux comprendre les conditions et les processus en jeu. La présente étude s’intéresse à l’expérience des extrêmes de chaleur et des mesures d’adaptation à la chaleur de personnes fréquentant un quartier central de Montréal marqué par les îlots de chaleur. Des entrevues en déplacement ont été menées, en portant une attention particulière à l’expérience de personnes en situation de défavorisation socioéconomique, celles-ci étant davantage affectées par les extrêmes de chaleur. Une analyse thématique de contenu a permis d’identifier des facteurs pouvant influencer le fonctionnement des mesures d’adaptation à la chaleur et la perception de l’accessibilité des ressources, dont les connaissances et les croyances, la stigmatisation entourant l’étiquette de « personne vulnérable » ainsi que l’attractivité des espaces verts. Ces résultats permettent de suggérer des pistes d’amélioration des mesures d’adaptation à la chaleur et de futures recherches. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : inégalités sociales de santé, justice environnementale, vulnérabilité à la chaleur, vagues de chaleur, itinérance; pauvreté, adaptation humaine aux changements climatiques
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".