Multi-agent systems for collective management of a northern Thailand watershed : model abstraction and design
Notice bibliographique
Résumé
Scarce farmland and water resources in the highland watersheds of northern Thailand coupled with multiple users and desires have led to conflicts among stakeholders who play important roles in the system dynamics. Integrating the participatory approach and multi-agent systems (MAS) modeling can facilitate adaptive learning processes to result in a collective management strategy that meets the balanced needs of all parties. However, this requires participation and cooperation from all stakeholders involved in the process. This paper elaborates on the concept and processes of MAS model abstraction and design, which is the first study period of a research project. This project aims at developing an integrated participatory MAS model to support collective resource management in a watershed area of northern Thailand. A prototype MAS model was constructed using unified modeling language (UML) diagrams, and it consists of three major components: a biophysical module, a social module, and a political institution module. UML diagrams are used as an interface for discussing and sharing ideas among an interdisciplinary research team. This prototype structure will be used as a guideline for further research steps, including stakeholder analysis, eliciting common representations for further model programming, and development. Finally and hopefully, the verified and validated MAS model could be applied in assessing natural resource management strategies agreed upon among all stakeholders and would result in the implementation of a desired intervention scheme for sustainable resource management in this watershed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».