Built by Fire: Wildfire Management and Policy in Canada
Notice bibliographique
Résumé
abstract: Wildfire is an inescapable feature of Canadian landscapes, burning an average of over two million hectares annually and causing significant repercussions for communities, infrastructure, and resources. Because fire is managed provincially, each jurisdiction has developed a distinctive approach to preparing for, responding to, and recovering from fire on its landscapes. Using a comparative study between seven provinces and four national agencies, this dissertation examines differences in institutional design and policy with respect to the knowledge management systems required to respond to wildfire: How do policies and procedures vary between jurisdictions, how do they affect the practices of each fire management agency, and how can they be improved through a critical analysis of the knowledge management systems in use? And, what is the role of and limits on expertise within these fire management institutions that manage high-risk, highly uncertain socio- environmental challenges?\n\nI begin by introducing the 2016 Fort McMurray/Horse River fire as a lens for exploring these questions. I then use the past one hundred years of fire history in Canada to illustrate the continual presence of fire, its human and social dimensions, and the evolution of differing fire management regimes. Drawing on extended ethnographic observation and interviewing of fire managers across Canada, I examine the varied provincial systems of response through following an active fire day in Alberta. I analyze the decision support and geospatial information systems used to guide fire agency decision-making, as well as the factors that limit their effectiveness in both response and hazard reduction modes. I begin Part Two with a discussion of mutual aid arrangements between the provinces, and critically examine the core strategy – interagency fungibility – used to allow this exchange. I analyze forecasting and predictive models used in firefighting, with an emphasis on comparing advantages and disadvantages of attempts at predicting future firefighter capacity requirements. I review organizational learning approaches, considering both fire research strategies and after action reviews. Finally, I consider the implication of changes in climates, politics, and public behaviours and their impacts on fire management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,020 | 0,006 |
| Communication savante | 0,009 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».