MétaCan
Menu
Retour à la cohorte
Enregistrement W6976565397 · doi:10.60692/9np02-hn576

Risk assessment framework for cumulative effects (RAFCE)

2023· article· en· W6976565397 sur OpenAlexaffabout

Notice bibliographique

RevueGreater South Information System · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueHistory of Computing Technologies
Établissements canadiensOffice of the Chief Medical ExaminerUniversity of SaskatchewanNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésRisk assessmentCumulative effectsOperationalizationRisk managementImpact assessmentPrioritizationCumulative riskRisk management frameworkRisk management tools

Résumé

récupéré en direct d'OpenAlex

Introduction: Regional environmental risk assessment is a practical approach to understanding and proactively addressing the cumulative effects of resource development in areas of regional importance. However, regional assessment is methodologically complex, and frameworks to identify and prioritize regional risk issues to guide effective management decisions are lacking. This research develops a risk and impacts-based cumulative effects assessment framework for scoping regional cumulative effects issues to guide present and future project and regional assessment. We operationalized the framework dubbed Risk Assessment Framework for Cumulative Effects (RAFCE) to assess the risks and impacts of proposed mining development in the Ring of Fire region of Northern Ontario, Canada. Methods: Methodologically, we built on existing studies to understand the key valued ecosystem components (VECs) impacted by mining; organized an expert Bowtie Risk Assessment Tool workshop and interviews to identify regional risks and define the VECs impacted by mining; and developed an impact prioritization model that helped quantify and prioritize impacts of mining. Results and Discussion: RAFCE enabled us to: a) identify drivers and impacts of cumulative effects and potential preventive and mitigation measures for effective cumulative effects management and b) describe, quantify, and rank the major impact and components of regional interest. Using RAFCE, we can identify and prioritize impacts that are cross-cutting, multisector‐driven, synergistic, and relevant to a region, visualize and understand the risk management process, identify policy and management issues to prevent risks or mitigate impacts, and ultimately inform resource allocation for effective regional cumulative effects assessment outcomes. RAFCE is suitable for engaging diverse stakeholders in planning for regional cumulative effects assessment.

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)0,028
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,042
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,005
Bibliométrie0,0080,004
Études des sciences et des technologies0,0020,003
Communication savante0,0070,005
Science ouverte0,0060,005
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,035
Tête enseignante GPT0,268
Écart entre enseignants0,233 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetHistory of Computing TechnologiesTravaux en français237 207