Climate change in the Arctic and it´s impact on indigenous peoples : A qualitative content analysis of the reports on the impact climate change has on Sami and Inuit
Bibliographic record
Abstract
Klimatförändringar är ett högst aktuellt ämne i dagens samhälle. Människans påverkan är ett generellt accepterat faktum bland forskare och enligt Förenta Nationernas klimatpanel, IPCC, sker förändringarna i högre hastighet i Arktis. Lufttemperaturerna har fördubblats på två decennier jämfört med det globala genomsnittet och vissa forskare tror att det detta beror på albedoeffekten. Smältande is öppnar upp mörka havsytor och absorberar därmed mer energi som värmer upp vattnet. Naturen är av hög betydelse för många urbefolkningar och 350 miljoner förväntas uppleva tidiga och svåra effekter av klimatförändringarna. Urfolk bor ofta i klimathotade områden med sårbara ekosystem. Denna studie syftar till att undersöka klimatförändringarnas påverkan på Arktis och dess urfolk. Samerna i de arktiska delarna av Sverige, Norge och Finland och inuiterna i den arktiska delen av Kanada utforskas genom en innehållsanalys. Studien kommer förhålla sig till nyhetskällor och vetenskapliga artiklar publicerade mellan åren 2016–2020, samt Sametingets klimatanpassningsrapport. Resultatet av studien visade att det har skett en temperaturökning i Arktis och väderförhållandena har blivit mer oförutsägbara. På grund av urfolkens starka koppling till naturen är de satta i en särskilt utsatt position. Denna studie markerar den sårbarhet och brist på anpassningsförmåga samer och inuiter har vilket har stor effekt på urfolkens ekonomiska möjligheter och försörjningsmöjligheter.
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 | 0.011 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| 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".