MétaCan
Menu
Retour à la cohorte
Enregistrement W2040843034 · doi:10.5558/tfc81375-3

Possibility schema for interdisciplinary forest management evaluation and decision-making

2005· article· en· W2040843034 sur OpenAlexaffvenue
Martin Herbert Kijazi

Notice bibliographique

RevueThe Forestry Chronicle · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAmbiguitySustainable forest managementForest managementComputer scienceStakeholderSchema (genetic algorithms)Fuzzy setForest ecologyEnvironmental resource managementManagement scienceFuzzy logicEcologyGeographyForestryEcosystemArtificial intelligenceEnvironmental scienceEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

Interdisciplinary planning and evaluation of forest management is necessary for sustainable forest management (SFM) schemes involving multiple values of multi-stakeholders. Often, multi-objective forest-planning and evaluation encounter complexity and uncertainty due to "inexactness"— i.e., fuzziness, ambiguity, imprecision and variability — of spatial behaviours of ecological and human systems. This paper develops the possibility schema — from fuzzy sets and theory of possibility — for representation and evaluation of inexact spatial concepts, configurations, and processes, associated with forest ecosystem and stakeholder values. A hypothetical case of interdisciplinary research utilizing criteria and indicators of SFM is used to illustrate the utility of the proposed possibility schema in interdisciplinary forest decision-making. The schema can be used for ex-ante appraisal and ex-post evaluation of forest programs. It can also be used for integration of interdisciplinary forest knowledge, including ecological and socio-economic models of SFM. Key words: decision-making, fuzzy sets, inexactness, interdisciplinary evaluation, multiple values, possibility theory, sustainable forest management, uncertainty

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)0,012
score de la tête « metaresearch » (Gemma)0,015
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: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,005
Communication savante0,0060,008
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,017
Tête enseignante GPT0,327
Écart entre enseignants0,310 · 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
GenreMéthodes

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

En bref

Citations2
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Management and PolicyTravaux en français237 207