MétaCan
Menu
Retour à la cohorte
Enregistrement W2588422084 · doi:10.1093/acrefore/9780199389407.013.66

Socioeconomic Impacts of Infrastructure Disruptions

2016· reference-entry· en· W2588422084 sur OpenAlexaff
Stephanie E. Chang

Notice bibliographique

RevueOxford Research Encyclopedia of Natural Hazard Science · 2016
Typereference-entry
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCritical infrastructureInterdependenceResilience (materials science)Natural hazardBusinessHazardNatural disasterVulnerability (computing)Environmental planningRisk analysis (engineering)Environmental resource managementTransport engineeringEngineeringComputer securityComputer scienceEnvironmental scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Infrastructure systems—sometimes referred to as critical infrastructure or lifelines—provide services such as energy, water, sanitation, transportation, and communications that are essential for social and economic activities. Moreover, these systems typically serve large populations and comprise geographically extensive networks. They are also highly interdependent, so outages in one system such as electric power or telecommunications often affect other systems. As a consequence, when infrastructure systems are damaged in disasters, the ensuing losses are often substantial and disproportionately large. Collapse of a single major bridge, for example, can disrupt traffic flows over a broad region and impede emergency response, evacuation, commuting, freight movement, and economic recovery. Power outages in storms and other hazard events can affect millions of people, shut down businesses, and even cause fatalities. Infrastructure outages typically last from hours to weeks but can extend for months or even years. Minimizing disruptions to infrastructure services is thus key to enhancing communities’ disaster resilience. Research on infrastructure systems in natural hazards has been growing, especially as major disasters provide new data, insights, and urgency to the problem. Engineering advances have been made in understanding how hazard stresses may damage the physical components of infrastructure systems such as pipes and bridges, as well as how these elements can be designed to better withstand hazards. Modeling studies have assessed how physical damage disrupts the provision of services—for example, by indicating which neighborhoods in an urban area may be without potable water—and how disruption can be reduced through engineering and planning. The topic of infrastructure interdependencies has commanded substantial research interest. Alongside these developments, social science and interdisciplinary research has also been growing on the important topic of how infrastructure disruption in disasters has affected populations and economies. Insights into these impacts derive from a variety of information sources, including surveys, field observations, analysis of secondary data, and computational models. Such research has established the criticality of electric power and water services, for example, and the heightened vulnerability of certain population groups to infrastructure disruption. Omitting the socioeconomic impacts of infrastructure disruptions can lead to underinvestment in disaster mitigation. While the importance of understanding and reducing infrastructure disruption impacts is well-established, many important research gaps remain.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,014
Tête enseignante GPT0,315
Écart entre enseignants0,301 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations91
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford Research Encyclopedia of Natural Hazard ScienceMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207