MétaCan
Menu
Retour à la cohorte
Enregistrement W4406731633 · doi:10.1016/j.ijdrr.2025.105234

Research gaps and challenges for impact-based forecasts and warnings: Results of international workshops for High Impact Weather in 2022

2025· article· en· W4406731633 sur OpenAlexafffund
Sally Potter, Thomas Kox, Brian Mills, Andrea Taylor, Joanne Robbins, Carolina Cerrudo, Faye Wyatt, Sara Harrison, Brian Golding, Will Lang, Adam J. L. Harris, Rainer Kaltenberger, Stefan Kienberger, Harold E. Brooks, Andrew Tupper

Notice bibliographique

RevueInternational Journal of Disaster Risk Reduction · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensCollège MontmorencyEnvironment and Climate Change Canada
Organismes subventionnairesBundesministerium für Bildung und ForschungMet OfficeEnvironment and Climate Change CanadaUniversity of ReadingUniversity of Leeds
Mots-clésEnvironmental scienceBusinessEngineeringAeronautics

Résumé

récupéré en direct d'OpenAlex

The World Meteorological Organization (WMO) has called for more meaningful warnings to help reduce the impacts of weather-related events. Impact-based forecasts and warnings (IBFW) are being developed by forecasting agencies globally to meet this call. However, there are many challenges facing those implementing such systems. The WMO World Weather Research Programme High Impact Weather project sought to understand the future direction of research on IBFW systems. This research involved a virtual workshop series in late 2022 with over 350 international registrants to identify and analyse challenges that people are facing in developing IBFW systems, and potential solutions. We found that challenges relate to ten themes, in addition to defining the measures of success of an IBFW system Examples of key research gaps are to develop evaluation methods to explore the value of multi-hazard IBFW, in terms of collating data at appropriate scales, and including avoided losses, behavioural responses, and unconventional observations. We need to explore the value of using quantitative approaches in comparison to more efficient qualitative approaches, as well as of dynamic exposure and vulnerability data sets, and tailored warnings. We must investigate how to effectively communicate uncertainty and explore the governance of underpinning data. Further research on these topics will assist with the successful implementation of more meaningful warnings globally, whilst considering the feasibility and effectiveness of the efforts involved. This is our contribution to reducing the impacts of future hazards, at a time where climate-related events are expected to increase in severity.

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)0,090
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,476

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,107
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,003
Communication savante0,0090,012
Science ouverte0,0020,008
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,042
Tête enseignante GPT0,412
Écart entre enseignants0,370 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations20
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disaster Risk ReductionMême sujetDisaster Management and ResilienceTravaux en français237 207