MétaCan
Menu
Retour à la cohorte
Enregistrement W3142833527 · doi:10.25300/misq/2020/14947

Provisioning Interoperable Disaster Management Systems: Integrated, Unified, and Federated Approaches

2021· article· en· W3142833527 sur OpenAlexaff
Hong Guo, Yipeng Liu, Barrie R. Nault

Notice bibliographique

RevueMIS Quarterly · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityProvisioningKnowledge managementBusinessProcess managementComputer scienceSystems engineeringEngineering managementEngineeringWorld Wide WebTelecommunications

Résumé

récupéré en direct d'OpenAlex

In this paper, we analyze the choice of interoperability approach for the provision of disaster management systems (DMS) when resources are distributed across districts, and in times of disaster resources can be shared. The degree to which sharing (a spillover) can be coordinated efficiently depends on resource interoperability. In this public sector setting, we model the provisioning of DMS as the choice between interoperability approaches; in decreasing order of centralization they are integrated, unified, and federated. A unique feature of our setting is that the interoperability approach is a collective decision by districts. Districts choose their own DMS resources and interoperability effort, and face different interoperability efficiency and technology misfit costs depending on the interoperability approach. We find that any approach can be an equilibrium depending on interoperability efficiency, and that when the social optimum deviates from the equilibrium the socially optimal approach is more centralized. When subsidies and taxes are implemented, the socially optimal interoperability approach can be achieved with budget balance. When only subsidies can be used, the socially optimal approach can be achieved but only under certain interoperability efficiency and misfit cost conditions is there a net social gain. Having an initial level of interoperability causes the equilibrium interoperability approach to shift toward a less centralized one. Our results generalize to other settings characterized by interoperability concerns, collective decisions, and spillovers.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,000
Science ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,252
Écart entre enseignants0,222 · 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.

Devis d'étudeQualitatif
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetDisaster Management and ResilienceTravaux en français237 207