MétaCan
Menu
Retour à la cohorte
Enregistrement W1501989184 · doi:10.1017/cbo9780511541957.020

Synthesis: building resilience and adaptive capacity in social–ecological systems

2001· book-chapter· en· W1501989184 sur OpenAlexaff
Carl Folke, Johan Colding, Fikret Berkes

Notice bibliographique

RevueCambridge University Press eBooks · 2001
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)CreativitySurvival of the fittestPsychological resilienceQuality (philosophy)Public relationsBusinessManagementPolitical scienceEngineeringMarketingPsychologyHistoryLawSocial psychologyEconomics

Résumé

récupéré en direct d'OpenAlex

Introduction A weekly magazine on business development issued an analysis of Madonna, the pop star, and raised the question ‘How come Madonna has been at the very top in pop music for more than 20 years, in a sector characterized by so much rapid change?’ A few decades ago, successful companies developed their brand around stability and security. To stay in business this is no longer sufficient, according to the magazine. You must add change, renewal, and variation as well. However, change, renewal, and variation by themselves will seldom lead to success and survival. To be effective, a context of experience, history, remembrance, and trust, to act within, is required. Changing, renewing, and diversifying within such a foundation of stability and maintaining high quality have been the recipe for success and survival of Madonna, and for rock stars such as Neil Young and U2. It requires an active adaptation to change, not only responding to change, but also creating and shaping it. In the same spirit, Sven-Göran Eriksson, coach of several soccer teams in Europe, claimed that it is the wrong strategy not to change a winning team. A winning team will always need a certain amount, but not too much, of renewal to be sustained as a winning team. Sustaining a winning team requires a context for renewal, or ‘framed creativity,’ borrowing from the language of the advertiser.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,004
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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.

Tête enseignante Opus0,200
Tête enseignante GPT0,301
Écart entre enseignants0,101 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations788
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetComplex Systems and Decision MakingTravaux en français237 207