MétaCan
Menu
Retour à la cohorte
Enregistrement W3109434955 · doi:10.1139/geomat-2019-0025

Susceptibilité aux glissements de terrain dans la ville d'Al Hoceima et sa périphérie : application de la méthode de la théorie de l’évidence

2020· article· fr· W3109434955 sur OpenAlexvenueno aff
Taoufik Byou, Khalid Obda, Ali Taous, Ilias Obda

Notice bibliographique

RevueGEOMATICA · 2020
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Le Rif Marocain en général et la ville d’Al Hoceima et sa périphérie urbaine, plus particulièrement, connaissent fréquemment des aléas géomorphologiques, notamment les glissements de terrain qui entravent la gestion urbaine. Ce type d’aléa naturel est de grande actualité, aussi bien sur le plan scientifique que sur le plan médiatique, à cause de l’augmentation de la vulnérabilité, en raison de circonstances de changements globaux (réchauffements climatiques) et à la forte urbanisation, souvent irrationnelle. L’objectif de cet article est la mise en place d’une approche objective visant l’évaluation de la susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie. La théorie de l’évidence, qui est une méthode probabiliste bivariée, est fondée sur les règles de Bayes qui consistent à calculer la probabilité d’occurrence spatiale de glissements de terrain, en se basant sur la notion de probabilité à priori et de probabilité à posteriori, tout en considérant les glissements de terrain comme variable à modéliser et chaque facteur causatif comme variable prédictive. Le but de ce travail est de procéder à un zonage d’aléa glissement de terrain tout en assurant une bonne prédiction de ce phénomène avec une bonne résolution spatiale. Les résultats de la courbe de ROC (receiver operating characteristic) montre que la confrontation de la carte de susceptibilité, des glissements de terrain à la carte d’inventaire, permet une capacité de prédiction considérable (area under curve, AUC = 0,889). Ceci pousse au constat selon lequel, plus de deux tiers des glissements de terrain inventoriés s’inscrivent dans des classes de susceptibilité élevée et très élevée. Ce produit cartographique peut constituer un puissant outil d’aide permettant la formulation de suggestions, dans le but d’optimiser l’évaluation du risque de glissements de terrain dans les zones exposées à ce phénomène.

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)0,008
score de la tête « metaresearch » (Gemma)0,051
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 enseignants0,017
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,024
Tête enseignante GPT0,316
Écart entre enseignants0,292 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueGEOMATICAMême sujetLandslides and related hazardsTravaux en français237 207