MétaCan
Menu
Retour à la cohorte
Enregistrement W4287119589 · doi:10.48550/arxiv.2106.08945

The Economic Impact of Critical National Infrastructure Failure Due to\n Space Weather

2021· preprint· en· W4287119589 sur OpenAlexaboutno aff
Edward J. Oughton

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpace weatherNatural hazardSpace (punctuation)AviationExtreme weatherNatural disasterEconomic impact analysisCritical infrastructureClimate changeMeteorologyHazardEnvironmental resource managementBusinessGeographyEnvironmental scienceComputer scienceEngineeringComputer securityCivil engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Space weather is a collective term for different solar or space phenomena\nthat can detrimentally affect technology. However, current understanding of\nspace weather hazards is still relatively embryonic in comparison to\nterrestrial natural hazards such as hurricanes or earthquakes. Indeed, certain\ntypes of space weather such as large Coronal Mass Ejections (CMEs) are an\narchetypal example of a low probability, high severity hazard. Few major\nevents, short time-series data and a lack of consensus regarding the potential\nimpacts on critical infrastructure have hampered the economic impact assessment\nof space weather. Yet, space weather has the potential to disrupt a wide range\nof Critical National Infrastructure (CNI) systems including electricity\ntransmission, satellite communications and positioning, aviation and rail\ntransportation. Recently there has been growing interest in these potential\neconomic and societal impacts. Estimates range from millions of dollars of\nequipment damage from the Quebec 1989 event, to some analysts reporting\nbillions of lost dollars in the wider economy from potential future disaster\nscenarios. Hence, this provides motivation for this article which tracks the\norigin and development of the socio-economic evaluation of space weather, from\n1989 to 2017, and articulates future research directions for the field.\n

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,199
Écart entre enseignants0,184 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207