MétaCan
Menu
Retour à la cohorte
Enregistrement W2794941327 · doi:10.1007/978-94-024-1283-3_1

Defining Natural Hazards – Large Scale Hazards

2018· book-chapter· en· W2794941327 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.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAdvances in natural and technological hazards research · 2018
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésNatural (archaeology)Natural hazardScale (ratio)Environmental scienceGeographyCartographyArchaeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

The natural forces at work on planet Earth have been an integral part of life since the dawn of mankind. The impacts of hazards of natural origin can range from affecting infrastructure, personal possessions, and ecosystems to negatively affecting individuals’ psychosocial wellbeing. Disasters are the aftermath of hazards caused by natural phenomena, set off by shifts in tectonic plates or atmospheric interactions in populated areas. The extant literature offers a variety of ways to classify natural hazards. For example, they can be categorized by their origin – geological, hydrometeorological or biophysical; by their nature and speed – permanent, ephemeral or episodic; or on the basis of their size or scale – large, medium or small. Adopting the last of the three classification schemes, this chapter presents large scale hazards, which are more likely to occur on the North American continent, in alphabetical order. The list of hazards includes biophysical hazards, droughts, earthquakes, extreme weather, floods, forest fires, ice storms and hurricanes. To help readers follow the material, the chapter draws heavily on recent examples.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0000,001
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,013
Tête enseignante GPT0,312
Écart entre enseignants0,300 · 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