The current insurance practices employed to manage flood risk in the global built environment and their applicability to Sri Lanka
Notice bibliographique
Résumé
Purpose This study aims to examin the challenges and issues surrounding flood insurance in Sri Lanka, which can provide valuable insights into how such programs can be effectively implemented in developing countries. It is essential to consider the role of insurance companies, the potential financial burdens and how these practices can be integrated into urban planning to create a more resilient built environment. Design/methodology/approach Published literature was referred to collect information on insurance schemes practiced worldwide. Semi-structured interview transcripts were analyzed, followed by a thematic analysis of the case study. Findings The findings from this study show that most private insurers in Sri 3Lanka are reluctant to provide insurance coverage to high-risk flood-affected communities. Additionally, the flood insurance program introduced by the government in 2016 and 2017 is not functioning anymore because of the insufficient funds allocated to execute such assistance programs. As a remedial measure, developing a national flood insurance scheme is proposed, supported by a strong aid program from international donors and public–private partnerships with government and private insurance companies. As New Zealand, Canada and Indonesia practiced, cross-subsidization and offering discounts for premiums for policyholders who have taken some mitigatory measures are the main findings from the comprehensive literature review. Originality/value One of this study’s main contributions is to identify the key areas that need to be developed in the existing nature of flood insurance in developing countries, including Sri Lanka. These key areas were identified from the feedback of private insurers and the literature on current insurance practices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».