Mapping the Past and Informing the Future: A Framework for Accessing and Communicating Historic Canadian Flood Impact Data
Notice bibliographique
Résumé
ABSTRACT Flooding is one of Canada's most frequent and costly natural disasters, with major negative impacts on people, economies, and ecosystems. Yet, historic Canadian flood impact data remain fragmented, inconsistent, and difficult for both the public and policymakers to access. This research develops a framework for collecting, standardizing, and visualizing historic flood impact data to improve natural disaster communication and public safety. Using the Canadian Disaster Database as a foundation, flood events from 2010 to 2024 were analyzed and assigned standardized impact scores reflecting social, environmental, and economic costs. These data were stored in a dynamic PostgreSQL database that automates calculations and supports future updates. An interactive Geographic Information System (GIS) platform was created to visualize this information, allowing users to explore flood histories across Canada, view event details, and track changing regional vulnerability through time. Unlike traditional flood maps that emphasize water extent or depth, this tool focuses on accessibility and interpretation, bridging scientific information with public awareness and policy development. By making complex flood data transparent and interactive, this framework advances science communication, strengthens evidence‐based decision‐making, and supports a more resilient Canada in the face of increasing climate‐related risks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,020 | 0,009 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».