MétaCan
Menu
Retour à la cohorte
Enregistrement W1504117209 · doi:10.22230/jem.2003v3n1a248

Lessons Learned from the Quesnel Hardwood Co-operative: Case Study

2003· article· en· W1504117209 sur OpenAlexaff
Steve Hilbert

Notice bibliographique

RevueJournal of Ecosystems and Management · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensRead Jones Christoffersen (Canada)
Organismes subventionnairesnon disponible
Mots-clésHardwoodLoggingValuation (finance)BusinessForest managementForestryFinanceGeographyEcology

Résumé

récupéré en direct d'OpenAlex

A group of independent small businesses in the area of Quesnel, British Columbia—including logging contractors, sawmillers, and forest industry members—formed the Quesnel Hardwood Co-operative in 1999. The Co-operative's objectives were to utilize the region's neglected birch hardwood resource to create and sustain jobs in the forest industry, provide work for under-employed local people, and help stabilize the area's economy.On behalf of its members, the Quesnel Hardwood Co-operative integrated wood supply and sales to create a larger forest enterprise, thereby making members' products more competitive in the marketplace. The Quesnel Hardwood Co-operative developed an action plan to add value to the hardwood lumber by doing more local processing.While not ultimately successful, the Quesnel Hardwood Co-operative did stimulate individual members to develop or expand businesses, and it stimulated the valuation and utlization of birch. Small birch mills are now operating throughout the region, and birch is being utilized more than it was prior to the formation of the Co-operative.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,317
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ecosystems and ManagementMême sujetForest Management and PolicyTravaux en français237 207