MétaCan
Menu
Retour à la cohorte
Enregistrement W1965727699 · doi:10.5558/tfc81092-1

Forest Management in New Brunswick: the Jaakko Pöyry Study, the Legislative Select Committee on Wood Supply, and where do we go from here?

2005· article· en· W1965727699 sur OpenAlexaffvenueabout
Thom Erdle, David A. MacLean

Notice bibliographique

RevueThe Forestry Chronicle · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésLegislaturePublic landForest managementVulnerability (computing)Community forestryPolitical scienceConstructiveForestryPublic administrationEnvironmental resource managementBusinessGeographyLawEconomics

Résumé

récupéré en direct d'OpenAlex

In late 2001, the New Brunswick Forest Products Association submitted a letter to the New Brunswick Minister of Natural Resources, which triggered a three-year sequence of events whose potential to change New Brunswick forestry is more profound than any development since passage of the Crown Lands and Forests Act 25 years ago. Forestry in New Brunswick has risen to a level of prominence in the public and professional consciousness that is unprecedented in recent decades; the public voice is louder and stronger, industrial concerns are greater, and the economic vulnerability of the province is clearly evident. In this paper, we chronicle these events and identify some resulting and important challenges that confront the New Brunswick forestry community as it faces the future. The forestry community faces huge challenges to create a healthier forest and forest economy, which will require concerted, coordinated, and constructive efforts of practitioners, researchers, and policy-makers from the domains of social, management, and environmental science. Key words: forest policy, intensive forest management, public hearings, public participation, future directions of Crown land management

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)0,000
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,231 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations7
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207