MétaCan
Menu
Retour à la cohorte
Enregistrement W1970283991 · doi:10.5558/tfc79790-4

Forestry and Canada's foreign aid program

2003· article· en· W1970283991 sur OpenAlexvenueaboutno aff
Ralph W. Roberts, John Roper

Notice bibliographique

RevueThe Forestry Chronicle · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)BusinessDeforestation (computer science)Agency (philosophy)Community forestryInternational developmentPovertyCorporate governanceForestryDeveloping countryEconomic growthForest managementEnvironmental planningPolitical scienceGeographyEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Assistance in forestry has been provided to more than 100 developing countries across a span of more than a half-century. The delivery channels for this aid, through the Canadian International Development Agency, have remained relatively unchanged over the years. However, the level of funding as well as the nature and scope of the type of support provided continues to evolve. The emphasis in earlier years tended to focus on stand-alone projects aimed at forest industries development and economic expansion. More recently, despite budget cutbacks, priority has been given to improved governance in the sector through institutional strengthening and capacity building. Multi-sectoral approaches are favoured wherein trees and forests play a key role in sustaining the provision of a range of economic, environmental, social and cultural values. Examples of these types of projects in all parts of the world are described. The strong comparative advantage enjoyed by Canada in the sector positions CIDA to pursue with partners and other donors a number of new directions in addressing pressing forest management and conservation issues in the South. Key words: development assistance, CIDA, IDRC, agroforestry, poverty alleviation, food security, deforestation, community forestry, national forest programs, international.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0060,001
Communication savante0,0040,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0380,003

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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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'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

Citations0
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207