MétaCan
Menu
Retour à la cohorte
Enregistrement W4409290453 · doi:10.1016/j.ijdrr.2025.105476

Earthquake vulnerability assessment of non-engineered URM residential buildings

2025· article· en· W4409290453 sur OpenAlexfundno aff
Alejandro Cruz, Nicola Chieffo, Shaghayegh Karımzadeh, Albert R. Ortíz, Eimar Sandoval, Paulo B. Lourénço

Notice bibliographique

RevueInternational Journal of Disaster Risk Reduction · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesStructural Genomics ConsortiumFundação para a Ciência e a TecnologiaMinistério da Ciência, Tecnologia e Ensino Superior
Mots-clésVulnerability (computing)Vulnerability assessmentForensic engineeringEngineeringCivil engineeringComputer scienceComputer securityMedicine

Résumé

récupéré en direct d'OpenAlex

In many developing countries, unreinforced masonry (URM) buildings are often constructed without following established engineering practices, increasing the risk in seismically active areas. It is therefore imperative to develop a practical and cost-effective method for assessing the seismic vulnerability of these types of residential structures. This study focuses on the development of an approach to assess the seismic vulnerability of non-engineered URM residential buildings in earthquake-prone urban areas. The methodology modifies the macroseismic vulnerability method by using existing fragility curves to simulate local damage scenarios. In addition, it incorporates multi-criteria decision making techniques, namely: (i) the Analytical Hierarchy Process; and, (ii) the Technique for Order of Preference by Similarity to Ideal Solution. These MCDM techniques are used to weigh key structural parameters and develop a comprehensive vulnerability index. Applied to developing countries, this approach provides a detailed vulnerability assessment and simulates various damage scenarios. The results confirm the robustness of the proposed methodology and highlight its potential for wider application in places with similar URM building stock and seismic context.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,280
Écart entre enseignants0,274 · 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'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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disaster Risk ReductionMême sujetSeismic Performance and AnalysisTravaux en français237 207