MétaCan
Menu
Retour à la cohorte
Enregistrement W4399095827 · doi:10.1108/dpm-01-2024-0002

Environmental disasters and the elusiveness of prevention

2024· article· en· W4399095827 sur OpenAlexaff
Peter R. Mulvihill

Notice bibliographique

RevueDisaster Prevention and Management An International Journal · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental ethicsEnvironmental planningPolitical scienceEnvironmental resource managementEnvironmental sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Purpose Environmental disasters are preventable, but this remains a complicated and elusive prospect. This article discusses factors that combine to limit and undermine environmental disaster prevention efforts and explores directions for improved theory and practice. Design/methodology/approach The challenge of integrating root cause analysis of environmental disasters with interventions and preventive measures at later stages of disaster incubation is outlined. The prospect of learning and transferring lessons from past environmental disasters is discussed. Eighteen environmental disaster cases are summarized and analyzed. Findings A range of factors, including complexity, lack of lesson transfer, perceived lack of incentives and inaction, limits advances in environmental disaster prevention. Theoretical challenges involve better bridging of root cause and incubation analyses, enhanced understanding of the nature and discipline of foresight and greater documentation of alternative approaches to prevention, including post–normal techniques. Although a transformative breakthrough in environmental disaster prevention is unlikely, substantial progress could be made through better lesson transfer and application of alternative approaches. Originality/value This article draws attention to problems and opportunities surrounding the challenge of environmental disaster prevention and proposes directions for improved theory and practice.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,001
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,318
Écart entre enseignants0,307 · 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'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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDisaster Prevention and Management An International JournalMême sujetDisaster Management and ResilienceTravaux en français237 207