MétaCan
Menu
Retour à la cohorte
Enregistrement W4396230885 · doi:10.1145/3637294

Aftermath: Infrastructure, Resources, and Organizational Adaptation in the Wake of Disaster

2024· article· en· W4396230885 sur OpenAlexaff
Shreyasha Paudel, Wendy Norris, Robert Soden

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Adaptation (eye)Public relationsDisaster responseDisaster recoveryPolitical scienceInformaticsKnowledge managementEmergency managementBusinessGeographyPsychology

Résumé

récupéré en direct d'OpenAlex

Informal and emergent organizations play a vital role in disaster response, and are a central concern to crisis informatics. Prior research in the field has tended to focus on the activities of individual organizations during periods of disaster. Though unsurprising, this focus has led to limited understanding of the origins and long-term trajectories of these organizations or their participation in broader networks of informal response, whose individual membership, ideologies, and practices are often fluid and overlapping. In this paper, we examine the activities of informal organizations that mobilized in response to the 2015 earthquake in Nepal. Drawing on semi-structured interviews with 17 participants, we identify five categories of resources - funding, people, information, skills, and shared values - that these organizations mobilized to sustain themselves and continue their activities long after the immediate disaster abated. We contribute insights into the adaptation decisions of emergent organizations, guidance in understanding these decisions in relation to their social and historical context, and considerations for how long-term, network-oriented studies can help address some of the contemporary challenges in crisis-informatics research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,313
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetDisaster Management and ResilienceTravaux en français237 207