MétaCan
Menu
Retour à la cohorte
Enregistrement W4223510495 · doi:10.3390/geohazards3020010

Modelling the Roles of Community-Based Organisations in Post-Disaster Transformative Adaptation

2022· article· en· W4223510495 sur OpenAlexaff
Oluwadunsin Ajulo, Ishmael Adams, Ali Asgary, Waiching Tang, Jason von Meding

Notice bibliographique

RevueGeoHazards · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensResponse Biomedical (Canada)York University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningVulnerability (computing)HazardAdaptation (eye)Construct (python library)Public relationsKnowledge managementSociologyPolitical sciencePsychologyComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Disasters result where hazards and vulnerabilities intersect. The concept of vulnerability itself is mainly a social construct and the extent to which this can be overcome while transforming disaster-prone systems has often been emphasised in the critical hazard literature. However, the extent to which community-based organisations contribute to post-disaster transformation at the community level remains unexamined. This paper is aimed at examining the extent of the role of community-based organisations (CBOs) in the transformative adaptation of post-earthquake Lyttelton. Quantitative data was obtained from community members using a questionnaire survey of 107 respondents, supporting interviews, and secondary data to explain the phenomenon in this study. System dynamics and agent-based modelling tools were applied to analyse the data. The results show that while CBOs played a major role in Lyttelton’s transformation by fostering collaboration, innovation, and awareness, the extent of their impact was determined by differences in their adaptive capacities. The transformation was influenced by the impacts of community initiatives that were immediate, during, and a long time after the disaster recovery activities in the community. Our research extends the discourse on the role of community-based organisations in disaster recovery by highlighting the extent of CBOs’ impacts in community post-disaster transformation.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,041
Tête enseignante GPT0,283
Écart entre enseignants0,243 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoHazardsMême sujetDisaster Management and ResilienceTravaux en français237 207