MétaCan
Menu
Retour à la cohorte
Enregistrement W2156029039 · doi:10.1109/icsmc.2009.5345965

Risk management of liability uncertainties to facilitate brownfield redevelopment: Comparing the situation of Canada with the US

2009· article· en· W2156029039 sur OpenAlexaffabout
Lizhong Wang, Liping Fang, Keith W. Hipel

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensUniversity of WaterlooToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBrownfieldLiabilityRedevelopmentBusinessRisk managementObstacleRisk analysis (engineering)Environmental planningActuarial scienceFinanceEngineeringEnvironmental sciencePolitical scienceCivil engineeringLaw

Résumé

récupéré en direct d'OpenAlex

The uncertainties associated with liability in brownfield redevelopment and relevant risk management tools are discussed based on a comparative review of the situation in Canada and the United States. The changes of regulations and policies, inherent uncertainties of site assessment and remediation techniques, incidents of contaminant transport and exposure, and variations of economic and financial conditions all lead to the uncertainties of environmental liability. The fear of liability especially the associated uncertainties is the key obstacle for owners or developers to undertake cleanup and redevelopment due to the subsequent unpredictability of economic profitability. Various risk management tools have been gradually developed in the last three decades to address liability uncertainties, both within Canada and the US, among which environmental insurance and innocent owner's shelter from liability are the two most viable instruments to reduce the fear of liability. Policy making and risk management have evolved more slowly in Canada than in the US and there is a trend for Canadian provinces to adopt the successful policies and tools used in the US rather than formulate their own.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,859

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0090,003
Communication savante0,0060,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,259
Écart entre enseignants0,228 · 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'étudeQualitatif
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

Citations3
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207