MétaCan
Menu
Retour à la cohorte
Enregistrement W2022882834 · doi:10.1505/146554814811031288

The state of the forest: reporting and communicating the state of forests by Montreal Process countries

2014· article· en· W2022882834 sur OpenAlexaffabout
Ajith Chandran, John L. Innes

Notice bibliographique

RevueThe International Forestry Review · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésState (computer science)Process (computing)State forestForestryState ownedBusinessEnvironmental resource managementGeographyForest managementEnvironmental scienceEconomicsComputer scienceMarket economy

Résumé

récupéré en direct d'OpenAlex

SUMMARY Substantial progress has been made in developing criteria and indicators under the Montreal Process, but difficulties have been encountered when reporting at a country level. Japan, Korea, New Zealand, Russia and the United States follow the criteria and indicators without change, while Australia and Canada use modified versions. Three countries (Australia, Canada and Korea) report on a reduced number of indicators. Extensive consultation with local-level governments and communities took place in Australia and the USA, resulting in increased harmonisation with local-level reporting. Reports have been produced for two main purposes: to fulfil the reporting obligations to the Montreal Process and to communicate the status of forests to a country's citizens, thereby engaging them in the process of sustainable forest management. This paper examines how well these two stated purposes have been achieved. Our research suggests that despite many seemingly successful initiatives, there is considerable room for improvement. Current reporting practices, if not corrected, will create difficulties in communicating progress in sustainable forest management amongst countries.

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)0,065
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,468

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,092
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,010
Études des sciences et des technologies0,0010,002
Communication savante0,0070,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,294
Écart entre enseignants0,279 · 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

Citations11
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Forestry ReviewMême sujetForest Management and PolicyTravaux en français237 207