Introducing the Rapid Earthquake Damage Estimation (RED-E) System for Improved Life Safety Outcomes During Earthquake Early Response in Canada
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
In the wake of a major earthquake in Canada, responders can expect to encounter critical gaps in situational awareness in the first 48-72 hours that will hamper effective decision-making. To address this challenge, Natural Resources Canada is developing the Rapid Earthquake Damage Estimation (RED-E) system. This modelling system aims to produce maps of structural, human, and economic impacts within tens of minutes of a significant seismic event, similar to the United States Geological Survey's PAGER product but with enhanced details specific to Canada. This paper presents our research on optimizing the RED-E system through the User-Centered Design approach. End-user consultation throughout the development of RED-E will ensure that its outputs are practical and actionable for first responders, emergency managers, and infrastructure operators. Key findings from initial consultations underscore the need for immediate post-earthquake situational awareness, although complete understanding may take days to weeks. End-users expressed a preference for RED-E outputs in diverse formats, with road disruption modelling and secondary hazard assessments being particularly valuable. This study outlines the essential requirements for the outputs of RED-E and documents initial prototypes, showcasing the potential of the system to transform early post-seismic emergency response efforts across Canada, aiding in prioritization and resource allocation until ground-truth data become available.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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