Winter Storm Uri: Resource Loss and Psychosocial Outcomes of Critical Infrastructure Failure in Texas
Notice bibliographique
Résumé
In February of 2021, Winter Storm Uri affected parts of the United States, Mexico, and Canada. Texas was particularly hard hit, as the state's primary power provider, ERCOT (the Electric Reliability Council of Texas), proved to be unprepared for the event—despite similar storms in 1989 and 2011 that revealed weaknesses in the state's electric grid system. This article investigates psychosocial outcomes of individuals who experienced Winter Storm Uri. Drawing upon survey data collected in Texas in April and May of 2022, we illustrate ways in which loss of critical infrastructure and compounding results influence levels of stress among respondents. Using Hofoll's (1989, 1991) Conservation of Resources model of stress, we find that Uri‐related losses of objects and conditions resources contribute to elevated stress as measured by the Avoidance subscale of the Impact of Event Scale (Horowitz 1976; Horowitz, Wilner, and Alvarez 1979)— more than one year after the disaster. Our regression model consisting of indicators of objects resource loss, conditions resource loss, and demographic characteristics explains approximately 33 percent of the variance in the Avoidance subscale. Findings suggest that more attention should be paid to the social impacts of critical infrastructure failures and that such impacts should be addressed by improving critical infrastructure policy and regulations, as well as the physical structures.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».