MétaCan
Menu
Retour à la cohorte
Enregistrement W2526494366 · doi:10.2495/safe-v6-n3-616-626

Design with floods: from defence against a ‘Natural’ threat to adaptation to a human-natural process

2016· article· en· W2526494366 sur OpenAlexvenueno aff
Liliane Hobeica, Pedro Pinto Santos

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural (archaeology)Adaptation (eye)Process (computing)Natural disasterNatural hazardRisk analysis (engineering)Computer sciencePsychologyBusinessGeography

Résumé

récupéré en direct d'OpenAlex

Recognizing that traditional flood management interventions focus on defence, attempting to eliminate contingencies in the urban relationship with rivers, an emergent perspective, spearheaded by spatial design, seeks to deal with floods through a more holistic framework.In contrast to the prevalent 'design against floods' approach that targets either the hazard or the exposure components of flood risk, 'design with floods' focuses as well on the assets at stake (including the built envelopes of exposed people and activities, usually covered under the term vulnerability), duly acknowledging the intertwining of natural and human processes.Using a multiple case study comprising three European flood-prone urban projects, we explore potentials of spatial design as an adaptation tool that goes beyond flood protection to foster wider societal gains.Our analyses have so far suggested that 'design with floods' requires a positive stance through which problem-solving and sense-making approaches are merged to provide both safety and urbanity (enriched urban realm and experience), without eliminating floods per se, accepted as a complex hybrid process.

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)0,011
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,020
Communication savante0,0070,005
Science ouverte0,0020,008
Intégrité de la recherche0,0020,001
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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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'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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetFlood Risk Assessment and ManagementTravaux en français237 207