Essays On Disaster Management Issues Related To Household Preparedness And Public Attention
Notice bibliographique
Résumé
This dissertation contains an essay on the effects of earthquake exposure on household preparedness in the short and long term and two essays on the predictors of public attention to earthquakes around the world. In Chapter I, I use a difference-in-differences method to estimate the causal effects of the 2010 and 2011 Canterbury earthquakes on people’s preparedness in the short-term (one month after the second earthquake) and long-term (up to 25 months after the second earthquake). I find that people who experienced the earthquakes increase their preparedness by 0.67 standard deviations in the short term. This impact stays positive but declines to 0.42 standard deviations in the long term. In chapter II, I investigate whether people from Western countries pay more attention to earthquakes in Western countries. I use Google Trends data and examine the proportion of Google searches from the United States, the United Kingdom, Canada, Australia, and New Zealand for 610 earthquakes across the world over the period of 2006-2016. I find that people in these countries pay on average around 50 percent more attention to earthquakes in Western countries. My results are significant and consistent after controlling for geographical and social characteristics but becomes small and insignificant once I control for GDP per capita of the countries where the earthquake struck. There seems to be a developed country bias rather than a Western country bias. In the final chapter, I measure public attention – using the volume of Google searches – from 18 countries and investigate which factors predict public attention to earthquakes at international level. I focus on 372 earthquakes registered as disasters in The Emergency Events Database (EM-DAT) over the period 2004-2018. I find that people pay more attention to earthquakes in richer countries, in more democratic countries, and in countries with which they have more social and cultural similarities. I also find that social and cultural similarities predict more public attention from Western and Latin American countries and less public attention from Arab and Sub-Saharan African countries. While, the findings of the economic and political status of countries are universal and predict more public attention in all four groups of countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».