MétaCan
Menu
Retour à la cohorte
Enregistrement W2523235511 · doi:10.1371/journal.pone.0163390

Municipalities' Preparedness for Weather Hazards and Response to Weather Warnings

2016· article· en· W2523235511 sur OpenAlexafffundabout
Kaddour Mehiriz, Pierre Gosselin

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensInstitut National de Santé Publique du QuébecOuranosInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInternational Development Research CentreInstitut National de Santé Publique du Québec
Mots-clésPreparednessExtreme weatherEmergency managementPopulationContext (archaeology)BusinessGeographyClimate changeEnvironmental planningEnvironmental healthPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The study of the management of weather-related disaster risks by municipalities has attracted little attention even though these organizations play a key role in protecting the population from extreme meteorological conditions. This article contributes to filling this gap with new evidence on the level and determinants of Quebec municipalities' preparedness for weather hazards and response to related weather warnings. Using survey data from municipal emergency management coordinators and secondary data on the financial and demographic characteristics of municipalities, the study shows that most Quebec municipalities are sufficiently prepared for weather hazards and undertake measures to protect the population when informed of imminent extreme weather events. Significant differences between municipalities were noted though. Specifically, the level of preparedness was positively correlated with the municipalities' capacity and population support for weather-related disaster management policies. In addition, the risk of weather-related disasters increases the preparedness level through its effect on population support. We also found that the response to weather warnings depended on the risk of weather-related disasters, the preparedness level and the quality of weather warnings. These results highlight areas for improvement in the context of increasing frequency and/or severity of such events with current climate change.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,840
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,048
Tête enseignante GPT0,294
Écart entre enseignants0,246 · 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'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

Citations16
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetDisaster Management and ResilienceTravaux en français237 207