MétaCan
Menu
Retour à la cohorte
Enregistrement W4361278889 · doi:10.1111/cag.12836

Flood risk mapping in southwestern Nova Scotia: Perceptions and concerns

2023· article· en· W4361278889 sur OpenAlexafffundvenueabout
Samantha C. Howard, Kate Sherren

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFlood mythResistance (ecology)Flooding (psychology)IgnoranceFlood risk assessmentGeographyCartographyPsychologyPolitical scienceEcologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Flood risk mapping allows for informed decision making regarding personal and community planning. Resistance to flood risk mapping can be driven by potential decline of property values. This paper explores resistance to flood risk mapping through the lens of climax thinking. Climax thinking is a novel theory guiding explorations of resistance to proposed land use changes. The aim of this study was to understand flood experiences, the presence of resistance to flood risk mapping, and whether climax thinking could help explain this resistance. To address this, surveys were administered to residents in the Nova Scotian towns of Liverpool and Bridgewater. We found that one third of respondents have experienced flooding, yet the majority have not seen a flood risk map, nor were they concerned about the potential impacts of flooding. Only one sixth of respondents exhibited resistance to flood risk mapping because of potential loss to property value. Dimensions of climax thinking were predictive of this resistance, specifically ignorance of an individual's own ability to adapt and inability to recognize the impact of their adaptation decisions on others, which together quadrupled the predictive power of the ordinal regression model. These insights can be applied to support the acceptance of flood risk mapping .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,285

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations3
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetFlood Risk Assessment and ManagementTravaux en français237 207