Development Outreach 10 (1) : climate change - low carbon economies and resilient societies
Notice bibliographique
Résumé
Contents of the development outreach newsletter are as follows: climate change: low carbon economies and resilient societies, achieving low carbon growth for the world: key elements for a global deal on climate change by Stern, Lord Nicholas, Noble, Ian; low carbon, high hopes: making climate action work for development by Moosa, Mohammed Valli; low carbon growth: our ethical responsibility by Sweeney, James L.; China's move toward a low carbon economy by Xuedu, Lu; Guiyang, Zhuan; and Jiahua, Pan; adaptation activities in India by Ray, Rajasree; old livelihoods in new weather: arctic indigenous reindeer herders face the challenges of climate change by Oskal, Anders; Climate change challenges faced by the inuit by Ford, Violet; Pacific Islands under threat! By Kearney, Geraldine; climate change and insurance markets by Gupta, Arvind; microfinance: climate change connections by Mckee, Katharine; adapting to climate change in Africa: the role of research and capacity development by Denton, Fatima; O'neill, Mary; Stone, John M.R.; Bali climate conference and its main outcomes by Mead, Leila; Gitay, Habiba; Noble, Ian; challenges and opportunities: knowledge for development under climate change by Gitay, Habiba; Nevers, Michele de; knowledge resources; bookshelf; and calendar of events.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,328 | 0,097 |
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 ».