MétaCan
Menu
Retour à la cohorte
Enregistrement W2048353853 · doi:10.1017/s1537592710003294

Between Market and State: Directions in Social Science Research on Disaster

2011· article· en· W2048353853 sur OpenAlexaboutno aff
Daniel P. Aldrich

Notice bibliographique

RevuePerspectives on Politics · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural disasterTerrorismQuarter (Canadian coin)Political scienceState (computer science)PoliticsAccountabilityStormPublishingEconomic historyHistoryDevelopment economicsGeographyLawMeteorologyEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Governing after Crisis: The Politics of Investigation, Accountability, and Learning . Edited by Arjen Boin, Allan McConnell, and Paul 'T Hart. New York: Cambridge University Press, 2008. 336p. $99.00 cloth, $34.99 paper. Learning from Catastrophes: Strategies for Reaction and Response . Edited by Howard Kunreuther and Micheel Useem. Upper Saddle River, NJ: Wharton School Publishing, 2010. 352p. $37.99 paper. The Next Catastrophe: Reducing Our Vulnerabilities to Natural, Industrial, and Terrorist Disasters . By Charles Perrow. Princeton: Princeton University Press, 2007. 388p. $29.95 paper. Developed and developing nations alike face low-probability but high-consequence exogenous shocks, including ice storms, chemical spills, terrorist attacks, and regional blackouts. Recently, “natural” disasters have dominated the airwaves; mega-catastrophes that claim more than 1,000 lives have become an almost yearly occurrence. In 2010, the Haiti and Chile earthquakes killed more than 200,000 people between them and felt all too familiar to many observers in the West. Before them were Cyclone Nargis in Burma, which took 130,000 lives in 2008; Hurricane Katrina, which killed more than 1,500 New Orleans residents and left 80% of the city flooded in 2005; and the Indian Ocean tsunami, which claimed roughly a quarter of a million lives in India, Indonesia, Sri Lanka, and Thailand in 2004.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,671
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,425
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations14
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on PoliticsMême sujetDisaster Management and ResilienceTravaux en français237 207