MétaCan
Menu
← Retour à la cohorte
Enregistrement W6921084227 · doi:10.6084/m9.figshare.7435382

Economic Assessment of Landslide Risk for the Waidhofen a.d. Ybbs Region, Alpine Foreland, Lower Austria

2018· other· en· W6921084227 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2018
Typeother
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLandslideDebrisEstimationRisk assessmentReal estateEconomic impact analysisEconomic analysis

Résumé

récupéré en direct d'OpenAlex

Presented at the 11th International Symposium on Landslides and the 2nd North American Symposium on Landslides and Engi- neered Slopes (NASL). Protecting Society through Improved Understanding. 2012 June 02-08. Poster. Canada, Banff (Alberta). This research aims to assess potential risk and estimate economic damage caused by landslides. The study area is located in the Ybbs valley, Lower Austria. Methodology consists of Arc GIS based spatial analysis and estimation of the potential monetary losses caused by landslides. Spatial analysis was used for defining elements at risk located in the risk zone of 100 m near landslides, and assessment of potential consequences. Results: calculated possible losses caused by the destruction of immobility and transport: costs for buildings demolition, restoration, roads rebuilding, debris transport. We defined risk zones. 1) Risk zone: 100-meter buffer area surrounding all landslides downwards, as a landslide with volume of 1 km3 may reach 100 meters while moving. 2) Elements at risk: The objects located in the 100 meter distance downwards the landslides are regarded as elements at risk. 3) Estimation of the economic losses: The methodology is proposed by Giacometti (2005) was applied for Ybbs valley using real estate prices for common goods (immobility, roads). Calculations of the economic losses (in €) was done based on the average real estate prices for various aspects of renovation, reconstruction and rebuilding of the destroyed objects.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,333
Écart entre enseignants0,293 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetDigital Marketing and Social Media→Travaux en français237 207→