MétaCan
Menu
Retour à la cohorte
Enregistrement W2054023526 · doi:10.1142/s1464333215500015

CUMULATIVE EFFECTS RESEARCH: ACHIEVEMENTS, STATUS, DIRECTIONS AND CHALLENGES IN THE CANADIAN CONTEXT

2015· article· en· W2054023526 sur OpenAlexaffabout
Bram Noble

Notice bibliographique

RevueJournal of Environmental Assessment Policy and Management · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCumulative effectsContext (archaeology)Impact assessmentManagement sciencePolitical scienceEngineering ethicsProcess managementBusinessEngineeringPublic administrationGeography

Résumé

récupéré en direct d'OpenAlex

This paper reflects on the state of cumulative effects research in Canada and future directions and challenges. The assessment and management of cumulative effects has been an enduring theme in the impact assessment literature, and scholars have consistently identified the challenges to assessing and managing cumulative effects under regulatory, project-based impact assessment. Current research on cumulative effects is focused largely on the development of frameworks and methodologies to advance cumulative effects assessment and management from individual projects to broader regional scales, and on developing the science and tools for assessing and monitoring cumulative effects. Ensuring that scholarly research continues to shape cumulative effects practice in the future requires that scholars not only attempt to improve practice under current existing regulatory processes, but also push the boundaries to ensure that decision processes also evolve so as to be accommodating of new and innovative approaches to cumulative effects at regional scales. This requires interdisciplinary approaches and sustained research funding, both of which present practical challenges to scholars, and research programmes that are developed in collaboration with industry, governments and communities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,424
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

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

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 Opus0,112
Tête enseignante GPT0,377
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations33
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Assessment Policy and ManagementMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207