Pan Canadian Narratives and Numbers: A Knowledge to Action Initiative in the Earthquake Early Warning Education (E3) Project
Notice bibliographique
Résumé
<!--!introduction!--><b></b> Partnerships with Earth Science for Society, the Canadian Risk and Hazards Network, the Assembly of First Nations, the International Association of Emergency Managers, the Canadian Federation of Earth Sciences and others have been critical for reaching the target audience of the Pan Canadian bilingual E3 Survey. Research partners also circulated our 2022 article entitled <em>A new earthquake warning system will prepare Canada for dangerous shaking</em> and its key message: “<em>About 10 million people live in Canada’s earthquake-prone zones. Yet few have practical knowledge of what to do with new early warning system alerts which aim to save lives and protect livelihoods” .</em> Importantly, such partnerships also provide the structure for the distribution of the E3 Survey final report. The primary aim of this presentation is to outline how our partners have helped us to research and report on three questions of national interest: <ul><li> What connects Canadian science education, earthquake literacy and time/space specific skills required to succeed in earthquake prone locations ? </li><li> How do Canadians build their earthquake literacy?</li><li> Why does Canada needs earthquake literacy taught in disaster risk management activities and programs? </li></ul> We showcase how the Knowledge to Action Framework analysis of E3 Survey results reveals multiple aspects of E3 delivery that need to change. We suggest that with evidence based recommendations, our partners can identify resource needs and pinpoint future interventions. Overall, we conclude that investment in future E3 products – via digital delivery - may revolutionize E3 geoliteracy levels and close the E3 Knowledge to Action gap.
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 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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».