MétaCan
Menu
← Retour à la cohorte
Enregistrement W6912016212 · doi:10.5281/zenodo.15687501

Disastrous resonances: Social memory dynamics and extreme events. Key questions for cultural loss and landscape sustainability

2025· preprint· en· W6912016212 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSustainabilitySalientKey (lock)Perspective (graphical)Bridging (networking)Focus (optics)Social dynamicsCascading failure

Résumé

récupéré en direct d'OpenAlex

Sustainability research has mostly ignored the resonant effects of the loss of key cultural information on disaster reduction, and disasters eroding such knowledge. This gap in the literature is especially salient in a rapidly changing world, where we often find that he relevant memory on how to cope with Extreme Events (EE) is not accessible to decisionmakers. In this perspective piece we focus on the combined effect of loss of skill, and experience and the strikes of disasters can act in a complex, resonant way to precipitate unforeseen effects that cascade across interconnected systems. This destructive resonance can potentially generate sudden collapses, difficult or impossible to recover from. This non-linear (unpredictable) susceptibility and lack of relevant experience is especially meaningful in landscapes where both environments and management practices are changing rapidly. In these cases, the access to accumulated memory and skill is easily disconnected. In our present world big --but also relatively small-- perturbations can trigger a complex interconnected cascading failure at even bigger scales. To address this complex and unexplored scenario, we propose a framework focusing on the interconnection between two social memory scales and two EE scales through four management stages: Mitigation, Preparation, Action, Recovery (MPAR). At the social level, community and administrative structures differently maintain, acquire and lose expertise on MPAR practices. At the EE level fast and slow-paced impacts (e.g. floods, tsunamis vs droughts, harvest failures), need different MPAR strategies. This basic framework allows to simplify the resonant scenario, allowing to initially model independently how loss of key MPAR practices increases susceptibility to disasters, and how disasters trigger the cultural loss of key MPAR practices. To this end we propose two strategies: 1) adapt coevolutionary biological and flooding models for coupling cultural loss affecting MPAR to disasters, 2) adapt network cascading science to model how impacts on social networks percolate to MPAR memory networks.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,017
Communication savante0,0060,010
Science ouverte0,0010,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,308
Écart entre enseignants0,272 · 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'étudeQualitatif
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 revueZenodo (CERN European Organization for Nuclear Research)→Même sujetDisaster Management and Resilience→Travaux en français237 207→