MétaCan
Menu
Retour à la cohorte
Enregistrement W2018426120 · doi:10.5380/geografar.v2i1.7450

FRAGILIDADE DE TRILHAS EM ÁREAS NATURAIS PROTEGIDAS: ESTUDO DE CASO RESERVA ECOLÓGICA ITAYTYBA - RPPN

2007· article· pt· W2018426120 sur OpenAlexaff
Ronaldo Ferreira Maganhotto, Leonardo José Cordeiro Santos, Luiz Cláudio de Paula Souza, Marcos Antônio Miara, Jaime Barros dos Santos

Notice bibliographique

RevueRevista Geografar · 2007
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueEnvironmental Sustainability and Education
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyBiologyPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Os impactos socioambientais evidenciados nos centros urbanos e a necessidade de descanso e lazer das pessoas são fatores determinantes no crescimento da demanda do ecoturismo. Entretanto, tal atividade tem gerado sérios problemas ambientais devido a má utilização dos recursos naturais. O acúmulo de lixo, o desmatamento excessivo, a compactação do solo, a erosão dentre outros, são realidades inerentes à utilização dos recursos turísticos naturais. Neste contexto, priorizando a preservação do ambiente, este trabalho tem como objetivo a prevenção dos impactos provenientes da utilização de trilhas em áreas naturais. A pesquisa ocorreu na RPPN Reserva Ecológica Itaytyba, localizada no município de Tibagi, onde o ecoturismo e a educação ambiental fazem-se presentes. Fundamentado na metodologia proposta por Ross (1994), o estudo priorizou uma análise conjunta e integrada de variáveis físicas, resultando na identificação de diferentes classes de fragilidade nos traçados das trilhas existentes na área. Estes procedimentos possibilitaram a identificação de locais com diferenciados graus de susceptibilidade a degradação. Desta forma, a avaliação e a correlação destas variáveis, certificou o manejo das trilhas, além de fundamentar tecnicamente sua manutenção.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,270
Écart entre enseignants0,260 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista GeografarMême sujetEnvironmental Sustainability and EducationTravaux en français237 207