Notice bibliographique
Résumé
In the summer of 2013, just as a small town in Quebec was decimated due to a train derailment, heavy rainfall prompted thirty Alberta communities to declare a state of emergency. Whereas a SWAT team surrounded train conductor Thomas Harding and brought him to court where he was charged with the deaths of forty-seven in Quebec, Calgary mayor Naheed Nenshi emerged from the Alberta crisis as a folk hero. As the Lac-Mégantic train derailment and the flood in Alberta demonstrate, political, economic, legal, and cultural climates influence the way disasters are received and managed. In Too Critical to Fail, Kevin Quigley, Ben Bisset, and Bryan Mills identify the social context that shapes the Canadian government’s ability to prepare for and respond to emergencies. Using original research on natural disasters, pandemics, industrial failures, cyber-attacks, and terrorist threats, the authors evaluate the risk regulation regimes that monitor, interpret, and respond to failures in Canada’s critical infrastructure to limit their possibilities and consequences. More broadly, this book identifies key vulnerabilities and regulatory challenges for both the government and the private sector in mitigating threats to safety and security. Too Critical to Fail applies an investigative lens to the multiple and competing risks that the government balances to secure assets that enable modern civilization. Raising questions about Canadians’ ability to protect critical infrastructure and respond to threats, this book challenges the biases that determine who is held to account when the system fails.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,024 | 0,023 |
| Communication savante | 0,015 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».