Notice bibliographique
Résumé
L’auteur décrit l’ampleur des tsunamis qui ont dévasté partiellement de nombreux pays en Asie du Sud-Est, le 26 décembre 2004, principalement l’Indonésie, le Sri Lanka, l’Inde et la Thaïlande, tuant 300 000 personnes, la plus grande catastrophe humaine de tous les temps, et dont l’ampleur est encore difficile à comprendre. Les premières pensées vont d’abord aux victimes de cette énorme tragédie. Puis, il décrit la contribution financière généreusement apportée dans le monde entier par les gouvernements, les entreprises et les organisations humanitaires dans la foulée de ce drame, incluant l’aide et le support de l’ONU, notamment sur le plan financier et médical. Bien que le bilan des coûts économiques n’était pas encore finalisé, les premières estimations de l’industrie de l’assurance ont situé l’ensemble des pertes assurées entre 5 et 10 milliards de dollars. Les dégâts assurés ne seraient pas très élevés par rapport à l’ensemble des pertes économiques, vu la faible pénétration de l’assurance dans les zones sinistrées. Enfin, il tire certains enseignements initialement dégagés par l’ONU et plusieurs pays qui ont un rôle majeur à jouer sur le plan de la prévention, afin de mieux prévenir les futures catastrophes de cette nature et mieux financer les opérations de secours et de reconstruction.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,009 |
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 ».