A Predictive Model of Community Disaster Resilience Based on Social Identity Influences (MODERSI)
Notice bibliographique
Résumé
The territory of Serbia is vulnerable to various types of natural and man-made disasters.The risk is not equal across the entire territory, depending on the type of hazard and the expected potential for damage.So far, the level of community disaster resilience has not been determined in Serbia.There are no scientific preconditions for its improvement to reduce the future material and intangible consequences of disasters.Regarding that, the project's main objective is to develop and validate a predictive model of community disaster resilience based on social identity influences through an investigation impact of social identity indicators on the level of community disaster resilience in Serbia.The project is based on the upcoming research on whether the level of community disaster resilience can be predicted based on social identity indicators, how social identity indicators affect different dimensions of community disaster resilience, and how disasters shape social identity.The project is based on multimethod research in which quantitative (face-to-face interviews in 40 of the 191 municipalities), and qualitative (semi-structured interviews) research methodology will be applied.A developed predictive model with an index of community disaster resilience in Serbia will empower the creation of preconditions for designing public policies, strategies and procedures for improving resilience and reducing the consequences of disasters on people and their property and enhancing citizens' security.The project will encourage the prediction of community disaster resilience based on social identity indicators, improving disaster foresight and preparing to limit disaster losses.Based on the development of analytical frameworks for understanding community disaster resilience and social identity in disasters, essential
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».