MétaCan
Menu
Retour à la cohorte
Enregistrement W6991890260

Infrastructure in proximity of railways - External environmental monitoring and risk analysis // Infrastruktur i narheten av jarnvagar - Extern miljoovervakning och riskanalys : A document and comparative analysis conducted at Trafikverket; risk analysis of infrastructure in close proximity of railways

2024· article· en· W6991890260 sur OpenAlexaboutno aff

Notice bibliographique

RevueKTH Publication Database DiVA (KTH Royal Institute of Technology) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRisk managementResilience (materials science)Spatial planningRisk assessmentTransportation infrastructureStrategic planningRisk governanceStrategic environmental assessmentPsychological resilience
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis investigates international railway safety regulations and spatial planning, with a focus on the spatial relationships between railways and adjacent roads. Employing a methodological framework rooted in comparative and document analyses, the study critically evaluates regulatory frameworks from five nations: Sweden, Canada, Norway, Germany, and China. Through the lens of Risk Assessment and Management Theories, Resilience Theory, and dynamic risk management frameworks, the research discuss how different countries approach risk identification, assessment, and mitigation strategies within their railway infrastructure. The findings highlight variations in regulatory approaches and underscore the importance of adaptability, transparency, and consideration of spatial dynamics in enhancing railway safety. By synthesising perceptions from international practices, this study contributes valuable perspectives to the ongoing discourse on optimal spatial relationships in railway infrastructure, with implications for policy development and strategic planning within the transportation sector.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,010
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,292
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKTH Publication Database DiVA (KTH Royal Institute of Technology)Même sujetRisk Perception and ManagementTravaux en français237 207