MétaCan
Menu
Retour à la cohorte
Enregistrement W1968092509 · doi:10.3138/c034-6p5t-w322-1g72

Geo-cybernetics: A New Avenue of Research in Geomatics?

2006· article· en· W1968092509 sur OpenAlexaffvenue
Carmen Reyes, D. R. Fraser Taylor, Elvia Martínez, Fernando López­ Caloca

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésGeomaticsCyberneticsComputer scienceGeographic information systemData scienceManagement scienceEngineeringGeographyArtificial intelligenceCartography

Résumé

récupéré en direct d'OpenAlex

The term “geomatics” has existed in the literature for more than a decade, but an overall consensus on the definition of this emerging discipline has not yet been found. The knowledge domain of geomatics has developed in the “interaction space” among converging disciplines (e.g., geographic information systems, cartography, remote sensing, geodesy, and photogrammetry), but its borders are “complex and fuzzy.” Taking cybernetics, both classic and second order, general systems theory, modelling, and complexity as basic building blocks, the research group at CentroGeo is conducting empirical and theoretical work on three main avenues of research: (1) cybercartography, (2) complex solutions in geomatics, and (3) collective mental maps. Recent research results on cybercartography have indicated the value of building a comprehensive theoretical framework that would combine the essence of these three research avenues as a body of knowledge and add to the base of knowledge on geomatics. This article discusses the cybernetic nature of these three research avenues from a theoretical perspective and points to possible areas for further research. In so doing, the authors illustrate the benefits of taking a fresh look at the linkages between cybernetics and geomatics and identify the main elements required to develop a theoretical framework for the concept of geo-cybernetics.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,902

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,381
Écart entre enseignants0,344 · 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.

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

Citations13
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGeographic Information Systems StudiesTravaux en français237 207