MétaCan
Menu
Retour à la cohorte
Enregistrement W3204666641 · doi:10.18280/ijsse.110413

Communication and Decision Support Systems

2021· article· en· W3204666641 sur OpenAlexvenueno aff
Luigi Palestini

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueRobotics and Automated Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecision support systemRisk analysis (engineering)Work (physics)Computer scienceEmergency managementFlood mythProcess managementComputer securityKnowledge managementBusinessEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In emergencies, assessment and communication activities are particularly important for the support of the top decision-making bodies, to evaluate “just in time” the best actions to be taken. The multiple problems to be solved require specific skills in different areas. Upon the occurrence of a calamity, the authorities must answer questions such as “is a given place safe from the threat (e.g., an oncoming flood)?”, that’s why today knowledge of tools that can support decision-making is increasingly necessary: the so-called Decision Support Systems (DSS), software that allow users to improve situation assessment, helping all those who must make strategic decisions. Hand in hand with the growing interest in DSS there is an increasing use of communication systems based on IT. First responders know that to face an emergency everything must be prepared and planned, also communication. In fact, DSS and voice/data transmission systems are often integrated into a single system, as proposed by the European projects FIRE IN and IN PREP, because managing information is crucial for carrying out rescue activities in the best possible way. This work describes the impact of new technologies on rescue and emergency management in Italy and Europe, highlighting the challenges associated with their use.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0130,008
Science ouverte0,0020,006
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,020

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 Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetRobotics and Automated SystemsTravaux en français237 207