MétaCan
Menu
Retour à la cohorte
Enregistrement W4392283525 · doi:10.1080/17477891.2024.2323105

The cascading disaster risk of water, energy and food systems

2024· article· en· W4392283525 sur OpenAlexaffabout
H. M. Tuihedur Rahman, Shawn Ingram, David Natcher

Notice bibliographique

RevueEnvironmental Hazards · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater-Energy-Food Nexus Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésFood energyBusinessRisk analysis (engineering)Risk managementEnvironmental scienceEnvironmental resource managementEnvironmental planningEnvironmental healthMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

This study presents a modified Institutional Analysis and Development framework for the purposes of analysing and developing policies to address cascading disasters in interconnected water, energy, and food (WEF) sectors. The aim of the framework is to inform how policymakers can synchronize and coordinate cross-sectoral and trans-governmental policies to manage cascading WEF disasters. To justify its applicability, we have tested the framework in a WEF related cascading disaster case that occurred in Iqaluit – the capital of Nunavut in Canada. Iqaluit is a city with limited access and heavy dependency on imported food and energy. On 2 October 2021, Iqaluit residents first began reporting contamination in their piped water sources. It was revealed that the pollution occurred from a fuel leak in a storage site located near a water supply facility. To cope with the disaster, the Nunavut and Federal governments undertook a series of responses that resulted in some unpredicted consequences. The study concludes that compartmentalized and sector-specific disaster planning, and preparedness slow down government agencies’ responses to a hazard event. It also reveals that uncertainties associated with cascading disasters can be best understood and thus responded to through discursive learning.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,009
Communication savante0,0050,005
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,005
Tête enseignante GPT0,178
Écart entre enseignants0,173 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental HazardsMême sujetWater-Energy-Food Nexus StudiesTravaux en français237 207