MétaCan
Menu
Retour à la cohorte
Enregistrement W2508344553 · doi:10.3390/w8090377

ResilSIM—A Decision Support Tool for Estimating Resilience of Urban Systems

2016· article· en· W2508344553 sur OpenAlexaffabout
Sarah Irwin, André Schardong, Slobodan P. Simonović, N. Nirupama

Notice bibliographique

RevueWater · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensYork UniversityWestern University
Organismes subventionnairesFederal Emergency Management Agency
Mots-clésDamagesFlooding (psychology)Resilience (materials science)Natural disasterUrbanizationFlood mythEnvironmental planningHazardEnvironmental resource managementNatural hazardEmergency managementUrban planningPopulationGovernment (linguistics)Decision support systemClimate changeRisk analysis (engineering)BusinessComputer scienceGeographyEngineeringEnvironmental scienceCivil engineeringPolitical scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Damages to urban systems as a result of water-related natural disasters have escalated in recent years. The observed trend is expected to increase in the future as the impacts of population growth, rapid urbanization and climate change persist. To alleviate the damages associated with these impacts, it is recommended to integrate disaster management methods into planning, design and operational policies under all levels of government. This manuscript proposes the concept of ResilSIM: A decision support tool that rapidly estimates the resilience (a modern disaster management measure that is dynamic in time and space) of an urban system to the consequences of natural disasters. The web-based tool (with mobile access) operates in near real-time. It is designed to assist decision makers in selecting the best options for integrating adaptive capacity into their communities to protect against the negative impacts of a hazard. ResilSIM is developed for application in Toronto and London, Ontario, Canada; however, it is only demonstrated for use in the city of London, which is susceptible to riverine flooding. It is observed how the incorporation of different combinations of adaptation options maintain or strengthen London’s basic structures and functions in the event of a flood.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,530

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 Opus0,009
Tête enseignante GPT0,246
Écart entre enseignants0,237 · 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'étudeSans objet
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

Citations41
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetFlood Risk Assessment and ManagementTravaux en français237 207