MétaCan
Menu
Retour à la cohorte
Enregistrement W2071734206 · doi:10.5751/es-05924-180445

Understanding Adaptive Capacity in Forest Governance: Editorial

2013· article· en· W2071734206 sur OpenAlexvenueno aff
E. Carina H. Keskitalo

Notice bibliographique

RevueEcology and Society · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesSvenska Forskningsrådet Formas
Mots-clésAdaptive capacityClimate changeVulnerability (computing)Flooding (psychology)Context (archaeology)Environmental resource managementPsychological resilienceCorporate governanceAdaptation (eye)Environmental planningPolitical scienceBusinessGeographyEconomicsEcologyComputer sciencePsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

"The term adaptive capacity has often been used to indicate the role that various factors may play in determining the extent to which adaptation to climate change - different actions to deal with the consequences of climate change - is possible. While the focus on adaptive capacity has been pronounced within climate change literature, this literature strongly acknowledges that adaptation will not take place with regard to climate change alone. Adaption to climate change should rather be seen in the context of adaption to all other coexisting stressors, or what has been called double or multiple impacts. The social, economic and political situation thus plays a part in determining whether environmental impact or exposure will result in vulnerability and in consequences on the ground. For instance, a flood will only become a disaster if the preparedness needed to deal with the consequences of flooding does not exist. The adaptive capacity or resources to deal with the risk of flooding, such as the existence of emergency plans and the existence of funding and personnel, are crucial."

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)0,007
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,007
Communication savante0,0090,007
Science ouverte0,0040,002
Intégrité de la recherche0,0120,018
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,035
Tête enseignante GPT0,217
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetForest Management and PolicyTravaux en français237 207