Disasters in ‘development’ contexts: Contradictions and options for a preventive approach
Notice bibliographique
Résumé
The relations of development and disaster offer a starting point for an overview of disaster risk reduction (DRR) in African contexts. A social vulnerability approach is adopted with its goal of improving conditions for persons and places most at risk. However, this approach faces serious contradictions in both the disasters and development scenes. Disaster events and losses have grown exponentially in recent decades. So have advances in disaster-related knowledge and the institutions and material resources devoted to disaster management. Evidently, the latter have not reduced disaster incidence or over all losses. Similar contradictions appear in development. By some measures, in most developing countries the economy has grown much faster than population. Yet, indebtedness, unemployment and insecurity seem worse in many countries. Poverty, the avowed target, remains huge in urban, peri-urban and rural areas singled out by disaster losses. Problems also arise from separate treatment of development and disaster. Climate change and the global financial crises challenge some of the most basic assumptions. The promise of ‘developed nations’, built around massive use of fossil fuels, puts global and African economic growth on a collision course with environmental calamity. The 2008 financial crisis has undermined the safety of global majorities, as well as reliance on development assistance. The case for alternatives in development and DRR is reinforced, including the vulnerability-reducing responses highlighted in the Hyogo framework for action. However, this is being undermined by a return to a civil defence-type approach, an increasingly militarised, and for-profit, focus on emergency management.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».