Esperienze di interventi di rigenerazione urbana post-sisma
Notice bibliographique
Résumé
L’impatto dei disastri naturali o tecnologici, risulta potenzialmente maggiore sulle aree urbane, dove la densità abitativa incrementa la gravità dei danni e delle ripercussioni socio-economiche dovute all’interruzione dei servizi essenziali. L’ambiente costruito è contraddistinto da caratteristiche protettive, che possono rappresentare un elemento importante per ridurre il rischio di catastrofe ed incrementare la resilienza degli insediamenti umani. Al contrario, la corruzione di queste caratteristiche, come la perdita di edifici strategici o infrastruttura, può aumentare la vulnerabilità di una comunità. In particolare, le città italiane rappresentano un significativo esempio di organismo urbano capace di evolversi e adattarsi agli eventi sismici che hanno caratterizzato la storia del paese. L’UNISDR definisce 4 priorità condivise a livello globale nel Sendai Framework for Disaster Risk Reduction 2015-2030 e fra queste risulta di particolare importanza, per la presente discussione, l’ultima: 4.Migliorare la preparazione ai disastri per una risposta efficace e per realizzare pratiche di “Build Back Better” (“ricostruire meglio”) nel recupero, nella riabilitazione e nella ricostruzione. Il tema del “ricostruire meglio” si ripropone dopo ogni evento calamitoso, in Italia come nel resto del mondo, puntando sempre più in alto gli obiettivi prefissati. Come ribadito da Latina, nelle ricostruzioni del passato in Italia si sono sempre evidenziate due tendenze: “Una ‘eterodossa’ che formula l’ipotesi della nuova ricostruzione in aree diverse da quelle danneggiate dal sisma [...]”; in altre parole, il terremoto come “occasione” di riscatto e sperimentazione. Tuttavia, la tendenza “che va più accreditandosi, sospinta anche dall’onda emotiva post sisma, è quella dei cosiddetti ‘ortodossi’, di chi perora la causa del ‘dov’era e com’era’” . Occorre però evolvere il concetto del “com’era, dov’era” nel più condivisibile “dov’era, meglio di come era”, prevedendo il confronto con standard qualitativi attuali.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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.
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 ».