MétaCan
Menu
Retour à la cohorte
Enregistrement W2098287886 · doi:10.3390/su5052036

A Framework of Adaptive Risk Governance for Urban Planning

2013· article· en· W2098287886 sur OpenAlexaff
Ortwin Renn, Andreas Klinke

Notice bibliographique

RevueSustainability · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesHealth and Safety Executive
Mots-clésRisk governanceCorporate governanceRisk managementIT riskSustainabilityIT risk managementRisk assessmentProject governanceRisk analysis (engineering)BusinessUrban planningManagement sciencePolitical scienceSociologyEnvironmental planningEconomicsEngineeringManagementFinanceGeography

Résumé

récupéré en direct d'OpenAlex

The notion “risk governance” refers to an integrated concept on how to deal with public risks in general, and so-called complex, ambiguous and uncertain risks in particular. These ideas have been informed by interdisciplinary research drawing from sociological and psychological research on risk, Science and Technology Studies (STS) and research by policy scientists and legal scholars. The notion of risk governance pertains to the many ways in which many actors, individuals and institutions, public and private, deal with risks. It includes formal institutions and regimes and informal arrangements. The paper will first develop an adaptive and integrative framework of risk governance and applies this model to the risks of urban planning. After a short summary of the roots of risk governance, key concepts, such as simple, uncertain, complex and ambiguous risks, will be discussed. The main emphasis will be on each of the five phases of risk governance: pre-assessment, interdisciplinary assessment, risk evaluation, risk management and risk communication. The paper will explain how these phases of risk governance can be applied to the area of urban planning and improve the dynamic sustainability of cities.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,011
Communication savante0,0060,004
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,019
Tête enseignante GPT0,340
Écart entre enseignants0,321 · 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'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

Citations80
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetRisk Perception and ManagementTravaux en français237 207