La collaboration étendue à la suite des catastrophes du 11 mars au Japon : Implications pour la gestion responsable des catastrophes
Bibliographic record
Abstract
Le 11 mars 2011, un séisme en mer d’une magnitude de 9,0 et un tsunami gigantesque venaient frapper la région de Tohoku au Japon, catastrophe qui a été suivie de la crise nucléaire de Fukushima. Malgré ces malheurs, Tohoku avance et cette expérience extraordinaire doit nous inspirer dans l’étude de la gestion responsable des catastrophes. On a assisté à un phénomène étonnant à la suite des catastrophes, à savoir l’apparition d’une collaboration étendue ( wide-area collaboration) , faisant intervenir les gouvernements national et locaux, afin d’aider les municipalités de Tohoku. Dans la présente étude, nous nous intéressons à cette collaboration dans deux domaines : l’aide sur le plan de la main-d’œuvre et le traitement des débris. Les données empiriques indiquent que l’efficacité de la collaboration étendue dépend de l’efficacité de la collaboration à la fois horizontale (interlocale) et verticale (intergouvernementale) et que la collaboration étendue devrait être ajoutée aux modèles futurs visant à prévoir l’efficacité des processus de restauration et de reconstruction. Remarques à l’intention des praticiens Il serait erroné de penser que nous ne connaîtrons plus de catastrophes de grande ampleur à l’avenir et les questions de collaboration étendue auxquelles est confronté le Japon nous amènent cette fois naturellement à nous interroger sur la façon de définir au mieux la gouvernance collaborative dans le pays. La présente étude répertorie les éléments que les décideurs doivent définir lorsqu’ils mettent en place une collaboration étendue. Nos conclusions semblent généralisables aux États unitaires sujets aux catastrophes disposant d’une gestion des catastrophes décentralisée. Notre étude indique que les systèmes décentralisés dépourvus de plan en matière de collaboration étendue peuvent être dangereux en temps de crise.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".