MétaCan
Menu
Retour à la cohorte
Enregistrement W4412754671 · doi:10.11159/iccste25.342

Vulnerability and Recovery Co-Analysis to Enhance Resilience of Ports Impacted By Extreme Weather Events - Preliminary Results from EU Project Safari

2025· article· en· W4412754671 sur OpenAlexvenueno aff
Gabriel Chikelu, Meriam Chaal, Spyros Hirdaris, Amin Nazemian, Ourania Tzoraki, Evangelos Boulougouris, Osiris A. Valdez Banda

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Vulnerability (computing)Extreme weatherVulnerability assessmentComputer scienceEnvironmental resource managementEnvironmental scienceComputer securityPsychological resilienceClimate changeGeologyOceanographyPsychology

Résumé

récupéré en direct d'OpenAlex

Ports play a critical role in global commerce, acting as vital nodes in the supply chain for goods and services.However, their strategic coastal locations make them particularly vulnerable to extreme weather events, intensified nowadays by climate change.In Europe, where ports are integral to economic stability and regional connectivity, the need for robust vulnerability analysis and resilience planning has become a pressing concern.This paper explores the first steps in the process of establishing the practical application of a combined framework for assessing port vulnerabilities and developing recovery plans to mitigate the impacts of extreme weather events on port operations.The study focuses on the European ports considered in the research project Safe and Climate Resilient Ports (SAFARI).The historical weather analysis shows that the SAFARI project ports are subject to an increasing risk of flooding and heatwaves.The definition of port functions, associated stakeholders and infrastructure together with their vulnerability to these events is conducted as a starting point to develop port recovery plans as part of port resilience capabilities

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207