MétaCan
Menu
Retour à la cohorte
Enregistrement W2895336231 · doi:10.5194/nhess-19-313-2019

Communicating disaster risk? An evaluation of the availability and quality of flood maps

2019· article· en· W2895336231 sur OpenAlexafffundabout
Daniel Henstra, Andrea Minano, Jason Thistlethwaite

Notice bibliographique

RevueNatural hazards and earth system sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMarine Environmental Observation Prediction and Response Network
Mots-clésFlood mythEnvironmental planningDisaster risk reductionQuality (philosophy)Environmental resource managementRisk analysis (engineering)GeographyRisk assessmentBusinessComputer scienceEnvironmental scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Abstract. One of the key priorities for disaster risk reduction is to ensure decision makers, stakeholders, and the public understand their exposure to disaster risk, so that they can take protective action. Flood maps are a potentially valuable tool for facilitating this understanding of flood risk, but previous research has found that they vary considerably in availability and quality. Using an evaluation framework comprising nine criteria grounded in existing scholarship, this study assessed the quality of flood maps available to the public in Canadian communities located in designated flood risk areas. It found that flood maps in most municipalities (62 %) are low quality (meeting less than 50 % of the criteria) and the highest score was 78 % (seven of nine criteria met). The findings suggest that a more concerted effort to produce high-quality, publicly accessible flood maps is required to support Canada's international commitment to disaster risk reduction. Further questions surround possible weighting of quality assessment criteria, whether and how individuals seek out flood maps, and how flood risk information could be better communicated using modern technology.

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)0,045
score de la tête « metaresearch » (Gemma)0,173
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,173
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,002
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,302
Écart entre enseignants0,272 · 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'étudeObservationnel
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

Citations84
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNatural hazards and earth system sciencesMême sujetFlood Risk Assessment and ManagementTravaux en français237 207