Application of Risk Perception Theory to Develop a Measurement Framework for City Resilience: Case Study of Suita, Japan
Notice bibliographique
Résumé
<p>Risk management has developed as an important aspect of sustainability. In order to manage risk more effectively, an overall evaluation of regional resilience needs to be performed. Therefore, this paper develops a framework to measure overall resilience in a community, focusing on risk perceptions of citizens of Suita City, Japan. The framework includes three main phases: (1) identifying multiple risks in the city through discussions with local experts and city workers; (2) prioritizing those risks by applying principal component analysis (PCA); and (3) understanding the relationships among them using decision-making trial and evaluation laboratory (DEMATEL) analysis. As a result, 21 risks were identified, and subsequently, four risks were prioritized: climate change, lack of self-sufficient energy, damage to the ecosystem, and natural disasters. Lastly, the application of DEMATEL analysis revealed that climate change and natural disasters have the greatest cause-effect relationships among the risks. The framework proves that multiple risks can be prioritized and gives overall suggestions on what kinds of risk a community is facing; where to start considering how to manage resilience; and which functions/services a community should improve to boost resilience. The identification, prioritization, and visualization of significant risk relationships completed in this study can support decision-making processes in strengthening community resilience.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».