A data exchange solution for emergency response systems based on the EDXL-RESCUER ontology
Notice bibliographique
Résumé
Handling an emergency requires the coordination and cooperation of several people and systems from various agencies and organisations, including the government and society in general. A wide range of heterogeneous data is managed by different stakeholders, thus demanding solutions to support integration issues such as interoperability and ambiguity. In a previous work, we proposed an ontology for Emergency Response Systems, called EDXL-RESCUER, in the scope of the RESCUER project. In this paper, we present the usage of this ontology in a data exchange solution (DILS: Data Integration with Legacy Systems), which aims to provide semantic interoperability between Emergency Response Systems, and the evolution of EDXL-RESCUER. To evaluate the proposed solution, EDXL-RESCUER & DILS, we performed two studies: (i) simulations using two real data sources, the Police Reports from Bahia Public Safety and Security Department, Brazil; and the Canadian Disaster Database; (ii) an emergency simulation at an Industrial Park in Bahia, Brazil. The results demonstrate the potential use of the EDXL-RESCUER as a common vocabulary to support semantic interoperability between emergency response systems. We also verified the feasibility of using the DILS solution in emergency management scenarios. Besides EDXL-RESCUER & DILS, a mapping and integration of concepts related to data exchange are presented.
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 | 0,013 | 0,009 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».