MétaCan
Menu
Retour à la cohorte
Enregistrement W2891978349 · doi:10.2495/safe-v8-n4-493-504

Towards a conceptual framework for property level flood resilience

2018· article· en· W2891978349 sur OpenAlexvenueno aff
Taiwo Adedeji, David Proverbs, Hong Xiao, Victor Oladokun

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlood mythResilience (materials science)Property (philosophy)Conceptual frameworkEnvironmental planningEnvironmental resource managementComputer scienceEnvironmental scienceSociologyGeographyEpistemologyMaterials scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

Resilience is a multifaceted field of study that has been addressed by different disciplines and has been the subject of extensive research.Despite this vast body of research, there is no agreement on a single definition among researchers.Resilience in the context of flooding has become a major focus of flood risk management policy and reflected in current strategy to mitigate the effects of flooding.Furthermore, in recent times, increased attention has been given to property level resilience as part of an integrated approach to flood risk management.Despite this focus on resilience to flooding, there lacks a single definition and consequently, any effective means to quantify and measure resilience at the level of the individual property.This study aims to review and synthesize the concepts of resilience applied in different fields, in order to propose a resilience definition in the context of property level flood resilience.A framework for conceptualising flood resilience in residential property is developed which indicates the associated components and variables.The framework has the potential to be used by a range of key stakeholders in helping to understand current levels of property level resilience and in deciding what interventions might be best considered to improve resilience.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,014
Communication savante0,0060,012
Science ouverte0,0030,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · 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'étudeThéorique ou conceptuel
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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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