MétaCan
Menu
Retour à la cohorte
Enregistrement W2035153982 · doi:10.1890/070089

Adaptive co‐management for social–ecological complexity

2008· review· en· W2035153982 sur OpenAlexaff
Derek Armitage, Ryan Plummer, Fikret Berkes, Robert Arthur, Anthony Charles, Iain J. Davidson‐Hunt, Alan P. Diduck, Nancy C. Doubleday, Derek Johnson, Melissa Marschke, Patrick McConney, Evelyn Pinkerton, Eva Wollenberg

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2008
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensCarleton UniversityUniversity of WinnipegSimon Fraser UniversityBrock UniversityUniversity of ManitobaSaint Mary's UniversityUniversity of OttawaWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésAdaptive managementExperiential learningIncentiveComplex adaptive systemSocial learningComplexity scienceAdaptive capacityKnowledge managementScale (ratio)Adaptive behaviorEnvironmental resource managementPsychological interventionEcosystem managementBusinessClimate changeComputer scienceEcosystemEcologyPolitical scienceManagement sciencePsychologyEconomicsGeographyArtificial intelligenceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Building trust through collaboration, institutional development, and social learning enhances efforts to foster ecosystem management and resolve multi‐scale society–environment dilemmas. One emerging approach aimed at addressing these dilemmas is adaptive co‐management. This method draws explicit attention to the learning (experiential and experimental) and collaboration (vertical and horizontal) functions necessary to improve our understanding of, and ability to respond to, complex social–ecological systems. Here, we identify and outline the core features of adaptive co‐management, which include innovative institutional arrangements and incentives across spatiotemporal scales and levels, learning through complexity and change, monitoring and assessment of interventions, the role of power, and opportunities to link science with policy.

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)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,038
Tête enseignante GPT0,257
Écart entre enseignants0,219 · 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
GenreSynthèse

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

En bref

Citations1 449
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207