Social Capital and Disaster Resilience Nexus: A Study of Flash Flood Recovery in Jeddah City
Notice bibliographique
Résumé
Governments, researchers, and humanitarian agencies have increasingly focused on reducing disaster impacts and enhancing the resilience of individuals, households, and communities, as the human and economic costs of natural disaster events have dramatically increased over the past century. Achieving resilience in a disaster context means the ability to survive future natural disasters with minimum loss of life and property as well as the ability to create a greater sense of place among residents, a stronger, more diverse economy, and a more economically integrated and diverse population. However, less attention has been paid to the significance of social capital in a post-disaster context and its contribution in building community resilience. It is very obvious that the contribution of social capital to post-disaster resilience in a Middle Eastern/Saudi Arabian context is virtually unknown. With a focus on the Saudi Arabian context, this research paper develops a social capital framework centered on resilience and post-disaster recovery. To conduct this study, a holistic approach to data collection is followed through questionnaire surveys, structured and non-structured interviews with citizens, and informal discussions with government and major stakeholders related to flash flood disaster management in the City of Jeddah. It is interesting to note that several religious institutions have played important roles in evacuating people and providing help for a quick recovery. In addition, government organizations are taking the recovery process seriously by providing necessary help in the flood-stricken areas. Within the scope of the given framework, the research explores and evaluates the role of social capital in post-disaster recovery efforts through a case study of the 2009 and 2011 Jeddah flash floods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».