MétaCan
Menu
Retour à la cohorte
Enregistrement W4223950808 · doi:10.3389/fmars.2022.845348

Multicriteria Decision Analysis to Assist in the Selection of Coastal Defence Measures: Involving Coastal Managers and Professionals in the Identification and Weighting of Criteria

2022· article· en· W4223950808 sur OpenAlexafffund
Philippe Sauvé, Pascal Bernatchez, Mathias Glaus

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensÉcole de Technologie SupérieureUniversité LavalUniversité du Québec à Rimouski
Organismes subventionnairesNatural Resources Canada
Mots-clésMultiple-criteria decision analysisWeightingContext (archaeology)Coastal managementEnvironmental resource managementIdentification (biology)Process (computing)Adaptive managementDecision analysisDecision support systemCitizen journalismComputer scienceEnvironmental planningOperations researchEnvironmental scienceGeographyEngineeringEcologyMathematicsData mining

Résumé

récupéré en direct d'OpenAlex

Coastal socio-ecological systems are complex adaptive systems with nonlinear changing properties and multi-scale dynamics. They are influenced by unpredictable coastal hazards accentuated by the effects of climate change, and they can quickly be altered if critical thresholds are crossed. Additional pressures come from coastal activities and development, both of which attracting stakeholders with different perspectives and interests. While coastal defence measures (CDMs) have been implemented to mitigate coastal hazards for centuries, a lack of knowledge and tools available to make informed decision has led to coastal managers favouring the choice of seawalls or rock armours with little consideration for socio-ecological systems features, and stakeholders’ priorities. Though it is not currently widely applied in coastal zone management, multicriteria decision analysis (MCDA) is a tool that can be useful to facilitate decision making. PROMETHEE, an outranking method, was chosen to support the multicriteria decision analysis for the evaluation of CDMs in the context of four study sites characterized by distinct environmental features. The aim was to determine the relevance and benefits of a MCDA by integrating coastal zone stakeholders in a participatory decision-making process in order to select CDMs that are better adapted to the whole socio-ecological system. First, in a series of five workshops, stakeholders were asked to identify and weigh criteria that were relevant to their local conditions. Second and third, CDMs were evaluated in relation to each criterion within the local context, then, hierarchized. Initial results show that vegetation came first in three of the four sites, while rock armour ranked first in the fourth site. A post-evaluation of the participatory process indicated that the weighting phase is an effective way to integrate local knowledge into the decision-making process, but the identification of criteria could be streamlined by the presentation of a predefined list from which participants could make a selection. This would ensure criteria that are standardized, and in a format that is compatible with the MCDA. Coupled with a participatory process MCDA proved to be a flexible methodology that can synthetize multiple aspects of the problem, and contribute in a meaningful way to the coastal engineering and management decision-making process.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,091
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,004
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 Opus0,009
Tête enseignante GPT0,257
Écart entre enseignants0,248 · 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.

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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetCoastal and Marine ManagementTravaux en français237 207