MétaCan
Menu
Retour à la cohorte
Enregistrement W4229619644 · doi:10.24908/iqurcp.8877

Sea Dyke Rehabilitation and Climate Change in Dutch and Japanese Contexts

2018· article· en· W4229619644 sur OpenAlexvenueno aff
Heather J. Murdock

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoastal and Marine Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeFlood mythStormStorm surgeGlobal warmingRehabilitationEnvironmental planningEnvironmental resource managementEnvironmental scienceGeographyClimatologyMeteorologyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to analyze the relationship between climate change and the need to rehabilitate sea dykes. Sea dykes are a critical component of coastal infrastructure and national flood prevention systems and are increasingly susceptible to a number of failure mechanisms under climate change conditions. This paper will explore case studies of sea dyke rehabilitation and climate change in both the Netherlands and Japan. Both countries have urban areas within close proximity to coastal areas and have constructed sea and river dykes as part of their national flood prevention plans. The International Panel on Climate Change published a report in February 2012 stating that mean global temperatures are going to increase by 1 to 3 degrees Celcius by 2050, which will affect global weather conditions. The characteristics of climate change which most affect sea dykes include the frequency and severity of storms as well as global sea level rise. These trends increase the risk of dyke failure modes such as overtopping, micro instability, and erosion of non-reinforced inner slopes. Techniques for rehabilitation both proven and proposed will be discussed with a particular focus on methods for implementation as well as the policy framework of these projects.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,483

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,058
Tête enseignante GPT0,332
Écart entre enseignants0,274 · 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'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetCoastal and Marine DynamicsTravaux en français237 207