MétaCan
Menu
Retour à la cohorte
Enregistrement W2053843890 · doi:10.1177/154193120805201111

The Need for Human Factors in the Sustainability Domain

2008· article· en· W2053843890 sur OpenAlexaff
Scott A.C. Flemming, Antony Hilliard, Greg A. Jamieson

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHeuristicsSustainabilityPsychological interventionAntecedent (behavioral psychology)Intervention (counseling)Consumption (sociology)Risk analysis (engineering)Energy consumptionHuman resourcesResource consumptionComputer scienceOverconsumptionEnvironmental economicsDomain (mathematical analysis)Resource (disambiguation)Sustainable consumptionManagement scienceBusinessPsychologyEconomicsEngineeringSocial psychologyMicroeconomicsProduction (economics)SociologyEcologyManagementSocial science

Résumé

récupéré en direct d'OpenAlex

Curbing the over-harvesting of the earth's resources by the developed and developing world cannot be achieved solely by technological solutions. This paper reviews the literature on how reductions in energy consumption can be achieved through behavioral interventions. The literature shows that feedback, a consequence intervention, has been shown to be more effective than antecedent interventions in correcting erroneous heuristics and biases as well as encouraging both efficiency and curtailment behaviors. However, few feedback studies approach the feedback design problem systematically. Human Factors specialists have an opportunity to contribute their expertise in human-machine systems to help address these deficiencies and aid in shifting our societies toward sustainable resource consumption.

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)0,022
score de la tête « metaresearch » (Gemma)0,047
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: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,023
Communication savante0,0140,019
Science ouverte0,0020,006
Intégrité de la recherche0,0100,009
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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
GenreCommentaire

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

En bref

Citations29
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetEnvironmental Education and SustainabilityTravaux en français237 207