MétaCan
Menu
Retour à la cohorte
Enregistrement W2060631220 · doi:10.2495/safe-v1-n2-147-161

Application of severity assessment tool (SAT) to 2008 midwest flood affected areas

2011· article· en· W2060631220 sur OpenAlexvenueno aff
Abhijeet Deshmukh, Eun Ho Oh, Makarand Hastak

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésFlood mythEnvironmental scienceGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Critical infrastructure provides services to help support activities and functions of communities and industries. These activities/functions contribute socially and economically when performed efficiently in reliance with related critical infrastructure. During disasters, the critical infrastructure gets impacted and is unable to provide the full services which in turn affect the activities depending on that particular infrastructure. This reduces the contribution of the activities which results in impact on communities and industries. This research provides a unique perspective of preparing cities and industries against natural disasters in pre-, during and post-disaster situation. It is based on the inter-relationship that exists between communities, industries and related critical infrastructure. Identifying and fortifying infrastructure ahead of time will protect and support not only people and properties but also industrial activities and services. Moreover, it will become easier for governmental and industrial organizations to prepare mitigation plans and strategies that would help to prepare, prevent, respond, and recover from potential natural disasters. Thus, public agencies, industries and communities can largely benefit from natural disaster mitigation strategies that would help to speed up the recovery process as well as provide an

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil0,477

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,004
Tête enseignante GPT0,216
Écart entre enseignants0,212 · 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.

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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207