MétaCan
Menu
Retour à la cohorte
Enregistrement W2520970558 · doi:10.1080/13549839.2016.1229762

Communicating risk for vulnerable groups: a case study of the Mano community’s strategies for collective knowledge to action

2016· article· en· W2520970558 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLocal Environment · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensBrandon University
Organismes subventionnairesnon disponible
Mots-clésVulnerability (computing)Disaster risk reductionRisk communicationContext (archaeology)Action (physics)Risk managementWork (physics)SustainabilityCommunity resilienceCollective actionBusinessRisk assessmentPublic relationsRisk analysis (engineering)Knowledge managementEnvironmental planningPolitical scienceComputer securityComputer scienceEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

This paper discusses the emergent interest in risk communication as a strategy for disaster risk reduction. Communication plays an essential role in understanding risk, but studies suggest that people often do not respond in the way that risk experts anticipate. For risk communication to be effective, vulnerable communities need to understand risk within the local context as well as in terms of sustainability. Risk messages offer communities a way to enhance their collective knowledge of existing vulnerabilities, leading them towards alternative solutions for action. A longitudinal study of the Mano community development approach and its recovery from the 1995 Kobe earthquake illustrates how risk communication dynamics contributed to the community’s sustainable risk reduction. The study concludes that risk communication is a collaborative way for a community to work with risk experts, own their risk information, influence existing policies and practices, develop solutions to reduce vulnerability, and ultimately enhance a community’s capacity for managing future risk.

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.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,999

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 technologies0,0020,000
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 Opus0,064
Tête enseignante GPT0,340
Écart entre enseignants0,276 · 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