MétaCan
Menu
Retour à la cohorte
Enregistrement W2006137922 · doi:10.5558/tfc81324-3

Multidisciplinarity, interdisciplinarity and training in forestry and forest research

2005· article· en· W2006137922 sur OpenAlexvenueno aff
John L. Innes

Notice bibliographique

RevueThe Forestry Chronicle · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryTraining (meteorology)DisadvantagedCommunity forestryWork (physics)Multidisciplinary approachCitizen journalismPolitical scienceFunction (biology)Engineering ethicsSociologyForest managementEngineeringGeographySocial science

Résumé

récupéré en direct d'OpenAlex

The nature of forestry is changing rapidly, with the social component becoming as or even more important than the traditional biophysical components. The role of participatory approaches to forestry has increased dramatically, and meeting the needs of people is now seen as a primary function of forestry. Increasingly, those needs are being defined through bottom-up approaches, rather than by governments or corporations. Foresters and forest scientists are poorly equipped to deal with this change, which is necessitating a much broader knowledge than has previously been required. At the undergraduate level, forestry programs are failing to teach the skills necessary for successful participation in this new form of forestry. At the graduate and post-graduate levels, young scientists are particularly disadvantaged, as the conservative nature of the academic system can actually work against attempts to be more interdisciplinary and more relevant. Scientists who are genuinely interdisciplinary may have difficulties finding employment, and current academic reward systems do not cope well with individual contributions to team efforts. The problem extends to the forestry profession, with many professional foresters being ill-equipped for their new roles, while at the same time they and/or their employers remain reluctant to enter into any form of re-training. Key words: university education, graduate training, interdisciplinarity, multidisciplinarity, pedagogy, forestry training, forestry paradigms

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,002
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 Opus0,048
Tête enseignante GPT0,342
Écart entre enseignants0,293 · 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'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

Citations46
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207