MétaCan
Menu
Retour à la cohorte
Enregistrement W2102395784 · doi:10.5931/djim.v8i1.226

Managing Current Complexity: Critical Energy Infrastructure Failures in North America

2012· article· en· W2102395784 sur OpenAlexafffundvenue
Melissa E Oldreive, Colin Macdonald, Eric Pegolo

Notice bibliographique

RevueDalhousie Journal of Interdisciplinary Management · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesDalhousie UniversityGovernment of OntarioUniversity of Guelph
Mots-clésCritical infrastructureInterdependenceBlackoutRisk analysis (engineering)Order (exchange)BusinessReliability (semiconductor)Critical infrastructure protectionComputer securityComputer sciencePolitical scienceElectric power systemPower (physics)FinanceLaw

Résumé

récupéré en direct d'OpenAlex

This paper applies the competing theories of High Reliability Organizations (HRO) and Normal Accidents Theory (NAT), two competing views of risk management in highly-complex and tightly-coupled systems, in analyzing the 1998 Ice Storm and the 2003 Blackout to examine vulnerabilities in North America’s critical energy infrastructure (CEI). Inferences are then made by highlighting the similarities and differences in the two cases, which are then used to draw lessons for public managers regarding the protection of CEIs. As CEIs are highly-complex and tightly-coupled systems, failures stemming from complex and uncertain risks are inevitable. There is an increasingly low tolerance for failure in energy infrastructure because society’s critical infrastructures have become increasingly interdependent. Public managers must regulate CEIs in order to ensure an emphasis is placed on safety and security while also finding ways to reduce unnecessary complexities. It is through the adoption of such measures that public managers will aid in minimizing the cascading effects of inevitable failures.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,004
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,276
Écart entre enseignants0,265 · 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'étudeObservationnel
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

Citations4
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDalhousie Journal of Interdisciplinary ManagementMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207