MétaCan
Menu
Retour à la cohorte
Enregistrement W1985555721 · doi:10.4018/jagr.2010071601

Significant Advances in Applied Geography from Combining Curiosity-Driven and Client-Driven Research Methodologies

2010· article· en· W1985555721 sur OpenAlexaff
Barry Wellar

Notice bibliographique

RevueInternational Journal of Applied Geospatial Research · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCuriosityPerspective (graphical)EpistemologyComputer scienceFunction (biology)GeographyManagement scienceData scienceSociologySocial scienceArtificial intelligenceEngineeringPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

The central thesis of the 2005 Anderson Lecture is that significant achievements in applied geography occur when the principles and practices of curiosity-driven and client-driven research are combined in the statement of problem, the idealized and operational research design, and the procedures of evaluating results. A companion thesis extends the Anderson Lectures by Jack Dangermond, Brian Berry, and Tom Wilbanks by positing that the best of applied geography incorporates a commutative perspective when establishing the parameters of an inquiry. That is, using pair wise combinations for illustration, research study parameters such as epistemology-praxis, conceptual-empirical, spatial-aspatial, theory-hypothesis, method-technique, causeeffect, analysis-synthesis, and structure-function are necessary elements in applied research that validates geography as a science-based, societally-relevant discipline, and geographers as professional practitioners. The examples of remote sensing, optimization techniques, decision support systems, geographic information systems, and the Walking Security Index project are used to illustrate how significant advances in applied geography result from combining curiosity-driven and client-driven research methodologies.

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)0,104
score de la tête « metaresearch » (Gemma)0,092
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,550

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1040,092
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0030,023
Communication savante0,0170,020
Science ouverte0,0030,018
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,107
Tête enseignante GPT0,462
Écart entre enseignants0,355 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Applied Geospatial ResearchMême sujetGeographic Information Systems StudiesTravaux en français237 207