A Community Impact Scale for Regional Disaster Planning with Transportation Disruption
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper proposes a simple analytical scheme and associated qualitative impact scales that capture the spatially varying effects of a regional disaster. Large-scale disasters that affect many towns and cities pose particular challenges for emergency response planning. For example, disruption to transportation systems can impede regional supply chains of critical goods, thereby exacerbating the impacts suffered locally in communities. Conventional metrics of disaster severity, such as number of casualties or intensity of ground shaking, do not adequately capture how community impacts and needs may vary across the affected region, and they do not typically consider regional transportation disruption. Using a series of impact scales, the approach in this paper captures essential attributes of three broad components related to community impacts from a regional disaster—local disaster impacts in a community, regional transportation disruption to the community, and the community’s coping capacity—and aggregates them to an overall metric of community impact. The approach can be implemented with widely varying degrees of data availability, as demonstrated in two case applications. Both cases involve an M9 Cascadia subduction zone earthquake affecting a broad region of coastal British Columbia, Canada. The first application illustrates how in a pre-event planning situation, modeled results can be used to anticipate which communities are at greatest risk, and to help prioritize mitigation and emergency response planning. The second case demonstrates how in the immediate aftermath of a disaster, the approach can be used with limited information to help prioritize response and recovery activities.
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.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle