Understanding Disaster Preparedness in Vancouver : Community Perspectives : Summary Report & Annexes
Notice bibliographique
Résumé
This report presents findings from a mixed-methods study led by the University of British Columbia’s Disaster Resilience Research Network (DRRN), in collaboration with the City of Vancouver Emergency Management Agency (VEMA). Our research explored disaster preparedness and resilience across Vancouver through surveys and focus group discussions, aiming to better understand how individuals and communities perceive, plan for, and act upon disaster risks in an increasingly complex hazard landscape. The research findings will support work being done by City of Vancouver staff to address barriers to emergency preparedness. Three files are available: the full summary report with annexes (first); the summary report only (second); and the annexes only (third). Acknowledgments: Thank you to Sarah Hunn, Miranda Myles, and Gillian Wong at VEMA; Nicole Paul at UCL; and Stephanie Chang, Kara Gibbs, Carlos Molina Hutt, Ayase Kay, Lara Sarlak, and Jocelyn Stacey at UBC for their contributions to research design, data analysis, implementation, communications, and administration over time. The study was funded in part by the BC Ministry of Emergency Management and Climate Readiness through a contribution agreement with DRRN focused on disaster resilience research, with additional support from UBC’s School of Public Policy and Global Affairs.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,005 | 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) | 0,016 | 0,003 |
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.
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 ».