Understanding Flood Risk Perception: A Case Study from Canada
Notice bibliographique
Résumé
In recent years, understanding and improving the perception of flood risk has become an important aspect of flood risk management and flood risk reduction policies. The aim of this study was to explore perceptions of flood risk in the Petite Nation River watershed, located in southern Quebec, Canada. A survey was conducted with 130 residents living on a floodplain in this river watershed, which had been affected by floods in the spring of 2017. Participants were asked about different aspects related to flood risk, such as the flood hazard experience, the physical changes occurring in the environment, climate change, information accessibility, flood risk governance, adaptation measures, and finally the perception of losses. An analysis of these factors provided perspectives for improving flood risk communication and increasing the public awareness of flood risk. The results indicated that the analyzed aspects are potentially important in terms of risk perception and showed that the flood risk perceptions varied for each aspect analyzed. In general, the information regarding flood risk management is available and generally understandable, and the level of confidence was good towards most authorities. However, the experiences of flood risk and the consequences of climate change on floods were not clear among the respondents. Regarding the adaptation measures, the majority of participants tended to consider non-structural adaptation measures as being more relevant than structural ones. Moreover, the long-term consequences of flooding on property values are of highest concern. These results provide a snapshot of citizens’ risk perceptions and their opinions on topics that are directly related to such risks.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».