MétaCan
Menu
Retour à la cohorte
Enregistrement W4328023750 · doi:10.7202/1097161ar

Local planning responsibilities for disaster waste management (DWM): Building knowledge from storm Alex in the South Region of France

2023· article· en· W4328023750 sur OpenAlexvenueno aff
Gaïa Marchesini

Notice bibliographique

RevueCanadian Journal of Regional Science · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFacility Location and Emergency Management
Établissements canadiensnon disponible
Organismes subventionnairesBureau de Recherches Géologiques et Minières
Mots-clésPlan (archaeology)StakeholderPlannerEnvironmental planningRelevance (law)Participatory planningBusinessScale (ratio)Environmental resource managementGeographyComputer sciencePublic relationsPolitical scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

As natural disasters increase, the stakes around disaster waste management (DWM) are rising and planning becomes necessary. Yet, planning for DWM faces many obstacles, in particular regarding the lack of clear responsibilities. Who should be mandated to plan for DWM? What benefits and downsides does each potential planner offer? Is a centralised DWM planning process more effective than several? This article aims at answering these questions and assessing the assets and weaknesses of potential DWM planners, by looking into the case study of DWM after storm Alex in the Roya Valley (South France). Eight criteria can be considered to analyse the links between the stakeholders and their environment, and assess their relevance as DWM planners: geographic scale, time scale, resources, responsibilities, planning tools, coordination capacities, disaster, and waste. According to the existing literature, it seems that a comprehensive DWM plan is more detailed, centralises all the information and enables systematic waste treatments. However, in practice, the study shows that it is difficult to find an adequate stakeholder to develop such a plan and enhance the participation and collaboration of other stakeholders on this subject.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,588

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,062
Tête enseignante GPT0,277
Écart entre enseignants0,215 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Regional ScienceMême sujetFacility Location and Emergency ManagementTravaux en français237 207