MétaCan
Menu
Retour à la cohorte
Enregistrement W7066191160

Flood risk management and public safety

2023· article· fa· W7066191160 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Languefa
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensInternational Centre for Infectious Diseases
Organismes subventionnairesnon disponible
Mots-clésFlood mythRisk managementFlood risk managementRisk assessmentFlood control
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

در دهه‌های اخیر ریسک سیلاب‌ها هم در سطح ملی و هم در سطح بین‌المللی روند افزایشی داشته است و پیش‌بینی می‌شود با افزایش تواتر وقوع سیلاب‌ها در اثر تغییر اقلیم، این روند افزایشی در دهه‌های آینده ادامه یابد. تجارب تندسیلاب‌های مرگبار کشور که در مرداد ماه 1401 در استهبان و امام‌زاده داوود، در فروردین 1398 در دروازه قرآن شیراز و در مرداد ماه 1366 در گلاب‌دره–دربند واقع شدند، می‌تواند شرایط لازم برای جلب افکار عمومی و مسئولان را به بحث راهبردی ایمنی عمومی فراهم کند. درست بعد از سیلاب‌های مرداد ماه ایران، بارش‌های مهیبی با شدت حداکثر 140 میلی‌متر بر ساعت در سئول پایتخت کره جنوبی روی داد و با وجود جمعیت 10 میلیون نفر و آبگرفتگی مناطق حساس از جمله ایستگاه‌های مترو، تعداد تلفات جانی کمتر از 10 درصد تلفات تندسیلاب‌های مرداد 1401 ایران بود. در ژاپن هم با شرایط هواشناسی، زمین‌شناسی، توپوگرافی بسیار نامساعدتر از ایران و با تراکم جمعیتی بسیار زیاد در سیلاب‌دشتها، متوسط تلفات سالیانه سیلاب و زمین‌لغزش (حدود 78 نفر) از تعداد تلفات سیلاب‌های مرداد ایران کمتر است. با توجه به موارد فوق و آمار تلفات زلزله‌ها و سیلاب‌های بزرگ 70 سال اخیر، کاملاً مشخص است که کارهای بسیار زیادی در رابطه با کاهش کاستی‌های راهبردهای ایمنی عمومی از جمله مدیریت سیلاب در کشور باید انجام گردد. تجربه تخریب مجموعه متروپل آبادان در سال 1401 به وضوح حساسیت افکار عمومی به کم‌توجهی در رابطه با ایمنی عمومی را مشخص ساخت.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,005
Communication savante0,0070,004
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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 Opus0,143
Tête enseignante GPT0,488
Écart entre enseignants0,344 · 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 revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207