MétaCan
Menu
Retour à la cohorte
Enregistrement W1603872377 · doi:10.1002/9781119078203.ch11

Cost‐Effective Airport Security Policy

2015· other· en· W1603872377 sur OpenAlexaboutno aff
Robert W. Poole

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHomeland securityAirport securitySecurity policyAgency (philosophy)BusinessService (business)Work (physics)Public economicsPublic administrationComputer securityPolitical scienceEngineeringEconomicsMarketingComputer scienceTerrorismLawSociology

Résumé

récupéré en direct d'OpenAlex

This chapter discusses the problem of how to allocate resources productively in homeland security, with a primary focus on measures implemented at airports to protect passengers and planes. While the primary focus is on US airports, US airport security policies and practices are compared and contrasted with those of Canada and the European Union. The chapter argues that it is feasible to use forms of benefit/cost analysis and cost-effectiveness analysis in this field and that resources should be allocated on a risk-based basis. It finds that while official policy in all three jurisdictions embraces risk-based policies, there is only modest evidence of such policies being implemented in the 12 years following the attacks on September 11, 2001. To illustrate a more risk-based approach, the chapter sets out a model for passenger and baggage screening, elements of which have begun to be implemented in the United States. Also discussed are the drawbacks of combining security policy-making and service delivery in the same agency, which is unique to the airport security regime in the United States. Finally, the chapter also explores the question of who should pay for airport security.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0070,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Response to Dynamic LoadsTravaux en français237 207