MétaCan
Menu
Retour à la cohorte
Enregistrement W4410031953 · doi:10.1080/23789689.2025.2496053

An integrated framework to sustainable and resilient infrastructure design and management in a changing climate

2025· article· en· W4410031953 sur OpenAlexaffabout
Leila Ahmadi, Hamidreza Shirkhani, Zoubir Lounis

Notice bibliographique

RevueSustainable and Resilient Infrastructure · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Climate changeEnvironmental resource managementEnvironmental planningBusinessEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

Climate change driven by human activities is causing significant warming, with further increases anticipated. These changes pose unprecedented risks to Canada’s core public infrastructure, including hospitals, roads, bridges, and water systems, with profound implications for public safety, health, security, equity, environmental conservation, and economic prosperity. Minimizing infrastructure failure requires integrating sustainability and resilience principles into decision-making for both new and existing assets. A review of current practices highlights notable gaps, particularly the limited integration of climate change mitigation and adaptation efforts. To address these challenges, a novel integrated framework is proposed, combining mitigation and adaptation strategies with Life Cycle Thinking methods—specifically, Life Cycle Performance (LCP), Life Cycle Assessment (LCA), Life Cycle Cost Analysis (LCCA), and Social Life Cycle Assessment (S-LCA). This framework offers a comprehensive approach to enhancing infrastructure sustainability and resilience, supporting the selection of sustainable designs and effective management strategies in the context of a changing climate.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
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: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,006
Communication savante0,0070,005
Science ouverte0,0040,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,003
Tête enseignante GPT0,234
Écart entre enseignants0,231 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainable and Resilient InfrastructureMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207