WUI READY: A Serious Game for Promoting the Adoption of a Wildland-Urban Interface Fire Hazard Mitigation Methodology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rising frequency and intensity of wildfires, particularly in wildland-urban interface communities, pose significant risks to residents. To address this, research and government organizations have developed wildfire hazard mitigation strategies. However, effective implementation requires residents to have adequate knowledge about such strategies. Serious games (i.e., designed for learning and training, not just entertainment) offer a promising and effective approach to educating communities about natural hazard mitigation. This paper presents the preliminary results of a research project focused on developing and evaluating a web-based serious game designed to educate residents about wildfire hazards and associated mitigation strategies, thereby enhancing their preparedness for future wildfire events. Four learning objectives were derived from a Hazard Mitigation Methodology to create a gaming framework and storyboard with four modules, which in turn guided the development of a preliminary game prototype. The game evaluation method has also been successfully designed. These results are expected to provide directions for policymakers and authorities, supporting informed decisions on how to develop and implement such educational tools. This project represents pioneering work in disseminating hazard mitigation information through a digital, web-based game, offering a scalable method that could be adopted by other organizations addressing the increasing impact of climate change-related disasters. Ultimately, this project lays the groundwork for further research and development of more comprehensive educational solutions that leverage gamification to promote hazard preparedness across various disaster contexts.
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.
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 | 0,001 | 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 | 0,000 | 0,000 |
| 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 découle