MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392833693 · doi:10.46692/9781529222920.009

What Could Have Been? Disaster Impact Analysis of Haiyan in Region VIII

2023· other· en· W4392833693 sur OpenAlexaff
Shiely Anne O. Julian, Francine Blaise M. Loja

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

Introduction Typhoon Yolanda, internationally known as Haiyan, is one of the most devastating calamities that the Philippines had suffered in the last 20 years. With sustained winds of 295kph and gusts of 360kph, Haiyan hit the Visayan provinces (Eastern Samar, Leyte, Cebu, and Iloilo) on November 8, 2013, and was classified as a Category 5 hurricane, earning the super typhoon epithet (Mullen 2013). With six total landfalls in the different Visayan islands, Haiyan affected over 16 million individuals and left over 6,300 dead, over 1,000 missing, and 28,688 people injured (NDRRMC 2013, 2– 3). Overall, super typhoon Haiyan resulted in estimated total damage amounting to PHP89.6 billion and estimated losses of PHP42.76 billion. The area worst hit by the super typhoon was the Eastern Visayas (Region VIII), particularly Leyte, with over 5 million people affected (31.19% of the total 16 million), 5,902 (93.68%) dead, 1,005 (94.72%) missing, and 26,186 (91.28%) injured. A total of 492,856 (43% of the total) houses were destroyed, of which 248,306 were partially damaged while 244,550 were completely wiped out (NDRRMC 2013, 3– 4). In Region VIII alone, PHP4.99 billion was the total amount of damages in infrastructure; PHP18.92 billion in the productive sector; PHP41.89 billion in the social services sector; and PHP2.9 billion crosssectoral. Total damages for the region reached PHP68.7 billion or almost 72% of the total damages of typhoon Haiyan in the Philippines (NDRRMC 2013, 148). But we argue that these are not the only costs brought about by the typhoon. In this chapter, we present a new approach to identifying and estimating disaster impacts such as that of typhoon Haiyan in Region VIII, focusing on the region's economy. On November 11, 2013, then-President Benigno S. Aquino III declared a State of National Calamity and sent three C130 aircraft to Tacloban City, Leyte, carrying personnel, relief goods, and a communications van. The Department of Trade and Industry (DTI) declared a price freeze in the affected areas (Official Gazette n.d.) and within the first week after Haiyan's onslaught, the Department of Social Welfare and Development (DSWD) established a Donations Desk at the national and regional levels and prepositioned emergency relief resources worth PHP206.58 million (readily available for augmentation) which consists of 1) PHP66.18 million— standby funds; 2) PHP31.06 million— which translates to 16,115,448 food packs; and 3) PHP109.33 million— other food and non-food items.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,032
Tête enseignante GPT0,362
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDisaster Management and Resilience→Travaux en français237 207→