MétaCan
Menu
Retour à la cohorte
Enregistrement W2136099755 · doi:10.1068/a43238

Flood Perception and Mitigation: The Role of Severity, Agency, and Experience in the Purchase of Flood Protection, and the Communication of Flood Information

2010· article· en· W2136099755 sur OpenAlexfundno aff
Emma Soane, Iljana Schubert, Peter Challenor, Rebecca J. Lunn, Sunitha Narendran, Simon Pollard

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilQueen's UniversityUniversity of GlasgowNatural Environment Research CouncilSight Research UK
Mots-clésSeriousnessFlood mythFlooding (psychology)Agency (philosophy)BusinessPerceptionFlood mitigationEnvironmental planningPsychologyGeographyPolitical scienceSociologyLaw

Résumé

récupéré en direct d'OpenAlex

Protection of human life and property from flooding is a strategic priority in the UK. We examine how to encourage home owners to protect themselves and their residences. A model of factors that influence the decision to buy flood-protection devices is tested using survey data from 2109 home owners. The results show that the majority of respondents have not purchased domestic flood protection ( N = 1732; 82.1%). Purchase of flood-protection devices was influenced by age; perceived seriousness; and beliefs about, and trust in, the role of regulators in managing flooding. In younger respondents the perceived seriousness of the dangers of flooding acted as precursors and barriers to action depending on individual sense of responsibility and agency. The second part of the study examines responsiveness to information. Information about flooding alone was insufficient to promote behavioural change, particularly among people who had not experienced a flood or who believed that they were not in a flood zone. Implications for understanding flood protection, managing agency issues, and flood-communication campaigns are discussed.

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 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 enseignants0,265
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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'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

Citations58
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetFlood Risk Assessment and ManagementTravaux en français237 207