MétaCan
Menu
Retour à la cohorte
Enregistrement W7115683381 · doi:10.71846/18-wcee-1542

IS GEM (GLOBAL EARTHQUAKE MODEL) MAKING A DIFFERENCE?

2025· article· en· W7115683381 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueWorld Conference of Earthquake Engineering · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueSeismology and Earthquake Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)HazardGovernment (linguistics)Risk assessmentFlood mythEarthquake scenarioEmergency managementUrban seismic riskFoundation (evidence)

Résumé

récupéré en direct d'OpenAlex

The GEM (Global Earthquake Model) Foundation was created in 2009 as a private, non-profit foundation located in Pavia, Italy, with the vision to create a world resilient to earthquakes. At its core, GEM develops tools, data and models for use in earthquake and multi-hazard risk assessment worldwide. Ultimately, through partnerships, GEM promotes the application of information to disaster risk reduction. The GEM framework is built upon dozens of partnerships across public and private institutions. GEM’s projects operate at scales from local, to country, regional and global levels, and accessed widely by the GEM community. Collaboration, scientific credibility, openness and public good are GEM’s guiding principles. In 2018 GEM produced its first global earthquake hazard and risk maps, and in June 2023, GEM will release its first major update to these maps, with a wide range of hazard and risk metrics. Beyond these successful collaborations and outputs, how is GEM improving earthquake resilience worldwide? Examples include: • Collaboration with the Canadian government to develop a national hazard and risk model (2020 version) has resulted in products for local planning (e.g. Vancouver), national building code, and catastrophe risk insurance. • In Turkey, supported by the World Bank (2021), GEM, together with JBA, conducted a flood and earthquake risk assessment to evaluate hospital and school infrastructure, resulting in national funding to retrofit the most vulnerable buildings. • In the development of the European earthquake models (2022), GEM’s OpenQuake was used to bring information from over 30 countries together into a homogeneous model. Results are now informing building regulations and insurance and risk financing applications. • GEM has trained more than 1000 engineers and scientists in the use of OpenQuake, resulting in hundreds of papers and risk management applications. In line with Pillar 1 of Sendai Framework for DRR, these are important contributions to building risk knowledge and awareness. GEM continues to expand its network, and, through partnerships, to inform risk management decisions in other areas, such as disaster response and recovery, future exposure and secondary hazards, and is developing important partnerships for multi-hazard risk assessment and climate change adaptation. Progress is often painfully slow, but GEM is making a difference.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,778
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,034
Tête enseignante GPT0,251
Écart entre enseignants0,217 · 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