MétaCan
Menu
Retour à la cohorte
Enregistrement W4403650672 · doi:10.1007/s00550-024-00551-z

Sustainability nexus AID: infrastructure resilience

2024· article· en· W4403650672 sur OpenAlexaff
Tohid Erfani, Mohammad Mortazavi Naeini, Edoardo Borgomeo, Mehrnaz Anvari, Anthony Hurford, Rasool Erfani, Azin Zarei, Mir A. Matin, Kaveh Madani

Notice bibliographique

RevueSustainability Nexus Forum · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)Resilience (materials science)SustainabilityBusinessEnvironmental planningEnvironmental resource managementComputer scienceEnvironmental scienceMaterials scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Infrastructure resilience advanced through nexus thinking is pivotal for societies to handle disruptions and ensure sustainable functionality. This interconnected approach understands infrastructure as an interdependent complex system and enables cooperative planning to achieve resilience. However, challenges like data inadequacy, financial limitations and governance issues impede its adoption, especially in developing regions. The United Nations University (UNU) Sustainability Nexus Analytics, Informatics and Data (AID) Programme strives to promote integrated resource management for sustainable development and fulfilling the UN 2030 Agenda. Through its Infrastructure Resilience Module, the initiative provides tools, data platforms and localised capacity building to empower professionals and communities for evidence-based, collaborative decision-making accounting for intersectoral relationships. By supporting context-specific analytical capabilities, bridging data gaps, and governance silos, the programme aims to pave the way for resilient and sustainable infrastructure development, particularly across vulnerable regions in the Global South, which face disproportionate infrastructure service disruptions.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,002
Tête enseignante GPT0,234
Écart entre enseignants0,232 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability Nexus ForumMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207