MétaCan
Menu
Retour à la cohorte
Enregistrement W4399984597 · doi:10.18280/ijsse.140305

An Expert Approach to Assessing Technogenic Risk at Enrichment Plants

2024· article· en· W4399984597 sur OpenAlexvenueno aff
Gulmira SATTAROVA, Yelena Tseshkovskaya, Natalya Tsoy, Firuza Batessova, V. S. Shevtsova

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Diagnostics and Reliability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceRisk assessmentRisk analysis (engineering)Environmental healthComputer scienceEngineeringMedicineComputer security

Résumé

récupéré en direct d'OpenAlex

This article presents a methodological approach to the assessment of technogenic risk based on expert assessments in the processing plants of Central Kazakhstan.During the expert study, the criteria were determined by which the composition of the expert group was formed, and special linguistic scales were developed to carry out the procedure for assessing risk indicators by experts.Expert studies were conducted on 10 possible types of accidents at enrichment plants in Central Kazakhstan.The assessment of the consistency of expert opinions was carried out using the Kendall concordance coefficient.As a new approach for assessing technogenic risk, technical and ecological criteria were identified and their influence on the probability and consequences of accidents was assessed.These parameters formed the basis for multifactorial mathematical models of hazard indicators and the severity of the consequences of an accident during ore processing and enrichment.Scales have been developed to assess the hazard and severity of accidents, a risk assessment matrix, as well as a description of accident risk levels.Corrective measures for enrichment plants have been proposed.This technique is applicable to various production processes.

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)0,015
score de la tête « metaresearch » (Gemma)0,027
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,234
Écart entre enseignants0,230 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetEngineering Diagnostics and ReliabilityTravaux en français237 207