Esperienze di interventi di rigenerazione urbana post-sisma
Bibliographic record
Abstract
L’impatto dei disastri naturali o tecnologici, risulta potenzialmente maggiore sulle aree urbane, dove la densità abitativa incrementa la gravità dei danni e delle ripercussioni socio-economiche dovute all’interruzione dei servizi essenziali. L’ambiente costruito è contraddistinto da caratteristiche protettive, che possono rappresentare un elemento importante per ridurre il rischio di catastrofe ed incrementare la resilienza degli insediamenti umani. Al contrario, la corruzione di queste caratteristiche, come la perdita di edifici strategici o infrastruttura, può aumentare la vulnerabilità di una comunità. In particolare, le città italiane rappresentano un significativo esempio di organismo urbano capace di evolversi e adattarsi agli eventi sismici che hanno caratterizzato la storia del paese. L’UNISDR definisce 4 priorità condivise a livello globale nel Sendai Framework for Disaster Risk Reduction 2015-2030 e fra queste risulta di particolare importanza, per la presente discussione, l’ultima: 4.Migliorare la preparazione ai disastri per una risposta efficace e per realizzare pratiche di “Build Back Better” (“ricostruire meglio”) nel recupero, nella riabilitazione e nella ricostruzione. Il tema del “ricostruire meglio” si ripropone dopo ogni evento calamitoso, in Italia come nel resto del mondo, puntando sempre più in alto gli obiettivi prefissati. Come ribadito da Latina, nelle ricostruzioni del passato in Italia si sono sempre evidenziate due tendenze: “Una ‘eterodossa’ che formula l’ipotesi della nuova ricostruzione in aree diverse da quelle danneggiate dal sisma [...]”; in altre parole, il terremoto come “occasione” di riscatto e sperimentazione. Tuttavia, la tendenza “che va più accreditandosi, sospinta anche dall’onda emotiva post sisma, è quella dei cosiddetti ‘ortodossi’, di chi perora la causa del ‘dov’era e com’era’” . Occorre però evolvere il concetto del “com’era, dov’era” nel più condivisibile “dov’era, meglio di come era”, prevedendo il confronto con standard qualitativi attuali.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 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".