Notice bibliographique
Résumé
Abstract. Danger ratings are used across many fields to convey the severity of a hazard. In snow avalanche risk management, danger ratings play a prominent role in public bulletins by concisely describing existing and expected conditions. While there is considerable research examining the accuracy and consistency of the production of avalanche danger ratings, far less research has focused on how backcountry recreationists interpret and apply the scale. We used 3195 responses to an online survey to provide insight into how recreationists perceive the North American Public Avalanche Danger Scale and how they use ratings to make trip planning decisions. Using a latent class mixed effect model, our analysis shows that the most common perception of the danger scale is linear. People with a linear perception expect the hazard to increase in a stepwise fashion between levels. This understanding is contrary to the scientific understanding of the scale, which indicates an exponential-like increase in severity between levels. Regardless of perception, most respondents report avoiding the backcountry at the two highest ratings. Using conditional inference trees, we show that participants who recreate fewer days per year and those who have lower levels of avalanche safety training tend to rely more heavily on the danger rating to make trip planning decisions. These results provide avalanche warning services with a better understanding of how recreationists interact with danger ratings and highlight how critical the ratings are for individuals who recreate less often and who have lower levels of training. We discuss opportunities for avalanche warning services to optimize the danger scale to meet the needs of these users who depend on the ratings the most.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,011 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,577 | 0,402 |
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 ».