A cross-continent exposition of geohazard risk management strategies
Bibliographic record
Abstract
Geofarer er blant de største bidragsyterne til verdensomspennende katastrofer som kan gi enorme skadekonsekvenser. Bekymringen i samfunnet for slike farer er økende, ettersom de har ført til en økt trend i økonomiske tap de siste 50 årene (UNDRR, 2022). Individuell og samfunnsmessig risiko for geofarer, som jordskred, flom og snøskred, evalueres og reduseres på verdensbasis fortløpende. Finansieringen for risikoreduserende tiltak er begrenset, og bevilgning av midler til formålet konkurrerer med andre presserende krav som daglig drift, sikkerhet og utvidelse av samfunnet vårt.\n\nTradisjonell ingeniørvitenskap identifiserer, kvalifiserer og kvantifiserer risikoen for geofarer. Hvem er ansvarlig for å implementere risikostyring og sette terskelverdier? Hvilket engasjement og kunnskap har samfunnsborgerne? Hvordan er disse løsningene og teknikkene forskjellige på tvers av nasjoner og regioner i forhold til politikk, retningslinjer og initiativer? Disse spørsmålene utforskes gjennom en utredning på tvers av kontinenter av risikostyringsstrategier for geofarer. Tre land, Norge, Canada og Guatemala, forskes på gjennom deres utvikling av risikostyring for geofarer når det gjelder policyer, retningslinjer, institusjoner og initiativer.\n\nTre casestudier presenteres, en fra hvert land, for å utforske ulike strategier for risikostyring av geofarer. Å kun beskrive policyene, retningslinjene og initiativene til håndtering av geofarer rettferdiggjør ikke kompleksiteten i oppgaven med å implementere slike håndteringsmetoder i praksis. Samarbeidet mellom erfarne utøvere og lokale myndigheter, engasjementet til innbyggerne, hull i systemene som fører til ineffektivitet eller komponenter i risikostyringen som blir oversett eller ignorert – dette er alle detaljer som bedre identifiseres ved å studere risikostyringsteknikkene i praksis.\n\nDette studiet utforsker de medvirkende faktorene til å håndtere og redusere risiko knyttet til geofarer, fremhever fellestrekk og forskjeller mellom regioner rundt om i verden, identifiserer hull og muligheter og bidrar til diskusjonen om effektiv håndtering og kommunikasjon om geofarerisiko blant risikoanalysatorer, ingeniører og beslutningstakere.\n\nViktige fremtidige studier kan utvide denne forskningen til flere land, gjennomgå finansierings- og forsikringsordningene for geofarer i hvert land og studere kompatibiliteten og gjennomførbarheten av å implementere praksisene til FNs globale rammeverk for risikovurdering. \n\n\nStikkord: Geofarer, risikostyring, policyutvikling, casestudier
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".