MétaCan
Menu
Retour à la cohorte
Enregistrement W7100606798

RECENT TRENDS AND PREVENTION STATEGIES FOR AVALANCHE AND SNOW IMMERSION RISK AT U.S. AND B.C. SKI AREAS

2016· article· en· W7100606798 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLanguage and cultural evolution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowPoison controlRisk assessmentInjury preventionOccupational safety and healthSuicide prevention
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Many ISSW participants are involved in snow safety operations at ski areas. Understanding recent changes in trends in avalanche and snow immersion risk at ski areas will help us better educate and protect ski area users. Analysis of the last 18 years found 6 ski area avalanche fatalities in bounds reflecting a trend in reduction. 60 fatalities (12 % of the total U.S. and 9 % of Canadian total) associated with leaving the ski area boundary indicate a flat trend in this risky in this behavior. Not well documented during the same 18 years, is an increasing trend in the risk of asphyxiation in deep snow in bounds at ski areas. 57 Non-Avalanche Related Snow Immersion Deaths (NARSID) occurred during the study period. NARSID currently accounts for 15 % of all ski area fatalities in the United States. In B.C., during the period from 1993 to 1998, it accounted for 25 % of all ski area in bounds fatalities. The NARSID risk in the U.S. is currently 15 times greater than the avalanche risk in bounds at a ski area. In 2005-06 alone, 40 % of the total snowboard fatalities at U.S. ski areas were NARSIDs. The greatest risk continues to be lack of awareness.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,300
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLanguage and cultural evolutionTravaux en français237 207