MétaCan
Menu
Retour à la cohorte
Enregistrement W2947268228 · doi:10.32799/ijih.v14i1.31952

A First Nations Framework for Emergency Planning

2019· article· en· W2947268228 sur OpenAlexaffvenueabout
Stephanie Montesanti, Wilfreda E. Thurston, David Turner, Reynold Medicine Traveler

Notice bibliographique

RevueInternational Journal of Indigenous Health · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFlood mythFlooding (psychology)Natural disasterGeographyEnvironmental planningWork (physics)PopulationGeneral partnershipPolitical scienceSociologyArchaeologyEngineering

Résumé

récupéré en direct d'OpenAlex

In June 2013, a severe flooding of the Bow and Elbow Rivers affected southern Alberta, a province in Canada. The flood was subsequently described to be the costliest natural disaster in Canadian history. Among the hardest hit communities was the Siksika First Nation, located on the Bow River banks about 100 kilometers east of the city of Calgary.A community-university partnership was formed to document the Siksika First Nation community-based response to the health and social effects to their community from the flood. Our qualitative case study sought to: (1) document Siksika First Nation’s response to the health and social impacts resulting from flood in their community; and (2)develop a culturally appropriate framework for disaster and emergency planning in First Nations communities. The Siksika’s work to mitigate the impact of the flood followed a holistic or socio-ecological model that took the determinants of population health into consideration.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,401
Écart entre enseignants0,372 · 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 tête enseignante, 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

Citations6
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Indigenous HealthMême sujetDisaster Management and ResilienceTravaux en français237 207