MétaCan
Menu
Retour à la cohorte
Enregistrement W7010702366

Insights on how avalanche forecast users combine danger ratings with steepness to assess the avalanche risk of individual slopes during trip planning

2023· other· en· W7010702366 sur OpenAlexfundno aff

Notice bibliographique

RevueDORA WSL (Swiss Federal Institute for Forest, Snow and Landscape Research) · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesSimon Fraser University
Mots-clésTerrainWarning systemHazardPoison controlSample (material)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Several recent studies have examined avalanche forecast users' ability to understand the provided hazard information, but they have so far not evaluated how users combine the information with additional avalanche knowledge to assess the severity of the conditions on individual slopes, which is a critical skill for the effective application of the forecast information during trip planning. We conducted an online experiment with members of the Euregio and Swiss avalanche forecast research panels where participants were presented with a series of hypothetical avalanche forecasts and asked to rank four slopes according to their avalanche risk. Each slope was characterized by a different combination of aspect, elevation, and slope steepness, which was described using the standard qualitative terms defined by the European Avalanche Warning Services. Our survey also included several questions examining participants' understanding of the qualitative steepness terms. Our revealed that only 16% of the sample provided the "Graphic Reduction Method" solution to the slope tanking exercise, while 55% used a sequential approach where they first split the slopes according to the provided danger rating and then ranked them according to steepness. The responses to the questions on the steepness terms showed that approximately half of our participants believe that 'extreme terrain' starts at inclines that are steeper than the 40 degrees threshold defined by EAWS. This means that they potentially underestimate the severity of the terrain described in forecasts. We derive several management implications for avalanche warning services from our results.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,096
Tête enseignante GPT0,334
Écart entre enseignants0,238 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDORA WSL (Swiss Federal Institute for Forest, Snow and Landscape Research)Travaux en français237 207