MétaCan
Menu
Retour à la cohorte
Enregistrement W2007257899 · doi:10.1080/08920750600970537

Spatial Information Infrastructure for Integrated Coastal and Ocean Management in Canada

2006· article· en· W2007257899 sur OpenAlexaffabout
Rosaline Canessa, Michael Bütler, Claudette Leblanc, Christian Stewart, Don E. Howes

Notice bibliographique

RevueCoastal Management · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensDalhousie UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSustainabilitySpatial data infrastructureSpatial analysisInformation infrastructureGeographic information systemEnvironmental resource managementBusinessInformation systemMarine spatial planningKnowledge managementComputer scienceGeographyRemote sensingPolitical scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Access to current, comprehensive, and reliable spatial information is necessary for informed decision making in integrated coastal and ocean management. This need is being met through development of a marine spatial information infrastructure that encompasses both technological and institutional responses. This article traces Canada's experience in developing a marine spatial information infrastructure over the last 30 years starting with the compilation of coastal atlases, through the development of geographic information systems, to remote data acquisition instruments and Web mapping portals. Because of the plethora of initiatives, it has been essential to be selected and limit the number and choice of examples. The institutional response has lagged behind that of technological innovation and hinges on understanding users’ needs and decision support drivers, sustainability of institutional and individual champions, and, above all, cooperation and collaboration among the broad community of practice.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,577

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0050,001
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,004
Tête enseignante GPT0,205
Écart entre enseignants0,201 · 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'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

Citations24
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCoastal ManagementMême sujetGeographic Information Systems StudiesTravaux en français237 207