Training on multi-agent systems, social sciences, and integrated natural resource management : lessons from an Inter-University Project in Thailand
Notice bibliographique
Résumé
In this new century, there is an urgent need to integrate and organize knowledge into suitable frameworks to examine essential problems with the people involved in solving them. Recent advances in computer science, particularly distributed artificial intelligence and multi-agent systems (MAS), are creating a strong interest in using this new knowledge and technologies for various applications to better deal with the increasing complexity of our fast-changing world, particularly for studying interactions between societies and their environment. By emphasizing the importance of interactions and points of view, the MAS way of thinking can facilitate high-level interdisciplinary training and collaborative research among scientists working in ecology and social sciences to examine complex problems in the field of integrated natural resource management (INRM). This paper describes how a recent project based on a series of short courses in the field of MAS, social sciences, and INRM at three different universities in Thailand tried to transfer European expertise and research results to an Asian audience of graduate and postgraduate students and young researchers interested in innovative and action-research-oriented interdisciplinary approaches. The course structure, organization, and contents are described and assessed. The course participants are characterized and their opinions are used to evaluate the strengths and weaknesses of this very interdisciplinary training program. The first sustainable outputs and key preliminary lessons learned from this innovative collective learning experience are presented. In conclusion, the authors suggest ways to support the emergence of a regional network of "MAS for INRM" practitioners in Southeast Asia to build on the dynamics begun by this project and serve the need for such interdisciplinary training across Southeast Asia.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».