MétaCan
Menu
Retour à la cohorte
Enregistrement W4391153637 · doi:10.47389/39.1.29

Preparing for the expected: cyclone threats

2024· article· en· W4391153637 sur OpenAlexaff
Heidi Turner, Fannie Couture

Notice bibliographique

RevueAustralian Journal of Emergency Management · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésProject commissioningCyclone (programming language)PublishingAeronauticsEngineeringMeteorologyEnvironmental sciencePolitical scienceGeographyLaw

Résumé

récupéré en direct d'OpenAlex

The Gold Coast is a bustling region in South East Queensland with a large concentration of people and has dynamic and growing business and tourism activity. The region is subject to thunderstorms and tropical cyclones that can generate damaging winds. The Severe Wind Hazard Assessment for South East Queensland evaluates the risk posed by severe winds and has strategies for managing this risk (Edwards et al. 2022). Results from the most recent assessment showed that older residential houses were the most damaged by severe winds and that this contributed disproportionately to community risk. However, lessons from recent wind damage caused by Tropical Cyclone Seroja in Western Australia in 2021 indicated that modern house designs have important vulnerabilities. These findings are a concern for any exposed coastal area and, in particular, for South East Queensland. This paper presents a suite of scenarios developed to address this vulnerability. Specifically, we describe how emergency and disaster managers can conduct capability analyses with the goal to enhance intelligence and planning capabilities. An example of the City of Gold Coast was used to show how it has leveraged these capabilities to improve emergency risk-based planning and begin a community resilience transformation with effective places of refuge and evacuation centres for the community.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,390
Écart entre enseignants0,321 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Emergency ManagementMême sujetDisaster Management and ResilienceTravaux en français237 207