Évaluation de la capacité à faire face des populations québécoises aux inondations : à la recherche de nouveaux indicateurs
Bibliographic record
Abstract
Dans les dernières années, un grand nombre d’inondations ont touché le Québec et ont eu des effets tant sur les populations que sur l’environnement bâti. Certaines populations sont d’ailleurs plus vulnérables aux impacts d’une inondation que d’autres. Pour évaluer cette vulnérabilité, deux dimensions peuvent être analysées, soit la sensibilité et la capacité à faire face. La capacité à faire face constitue souvent le maillon faible dans le processus d’évaluation de la vulnérabilité, en particulier lorsqu’on souhaite évaluer cette vulnérabilité sur un vaste territoire pour une échelle relativement fine. Parmi le nombre limité d’indicateurs disponibles de la capacité à faire face, la majorité concerne des indicateurs d’accessibilité et de proximité à des services. Ce manque de connaissances théoriques et pratiques sur la capacité à faire face rend l’analyse de la vulnérabilité incomplète étant donné qu’une population peut réduire sa vulnérabilité en améliorant sa capacité à faire face. Ainsi, ce mémoire vise à diversifier et proposer de possibles indicateurs de la capacité à faire face de la population québécoise aux inondations afin d’améliorer l’évaluation de la vulnérabilité de ces populations. Dans le but d’identifier ces indicateurs, une revue de littérature ainsi qu’un sondage auprès de professionnels du domaine de la sécurité incendie, des mesures d’urgence, de l’aménagement du territoire et autres s’appuyant sur la méthode de la cartographie conceptuelle ont été réalisés. À terme, les résultats du sondage ont permis d’identifier les indicateurs qui semblent déterminants pour la capacité à faire face aux inondations. Parmi ceux-ci, on retrouve la proportion d’espaces verts, le taux de possession automobile, la mise en place d’un plan de mesures d’urgence et d’un système d’alerte, la désignation d’un coordonnateur en mesures d’urgence, etc. Nos recherches ont toutefois démontré que certaines données nécessaires à l’élaboration de ces indicateurs sont indisponibles, inexistantes ou confidentielles. Ce mémoire met ainsi en évidence la pertinence d’approfondir la réflexion à ce sujet et de diversifier les indicateurs de la capacité à faire face aux inondations.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".