MétaCan
Menu
Retour à la cohorte
Enregistrement W2122812460 · doi:10.1525/bio.2013.63.12.18

Engaging Multiple Disciplines in Ecosystem Services Research and Assessment

2013· article· en· W2122812460 sur OpenAlexaff
Christopher M. Raymond, Gerald G. Singh, Karina Benessaiah, Nancy J. Turner, Harry W. Nelson, Kai M. A. Chan

Notice bibliographique

RevueBioScience · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesEcosystemEnvironmental resource managementEnvironmental scienceEnvironmental planningEcologyBiology

Résumé

récupéré en direct d'OpenAlex

We thank Orenstein for discussing our recent article in BioScience ( Raymond et al. 2013 ). His central argument is that social scientists need to be better engaged in ES assessment if the concept is to be mainstreamed into policy and practice. We agree. Along those lines, we called for a deliberative approach to ecosystem management that actively engages multiple stakeholder groups in meaningful dialogues in order to understand the ways that people relate to nature before adopting a specific metaphor a priori to portray human—environment interactions. Such a deliberative approach requires an interdisciplinary approach to ES assessment. Our article, which was the result of a workshop that invited a broad suite of social scientists (many new to the concept of ecosystem services) to think seriously about what their disciplines and methods could offer to the study of cultural values and social change in ecosystem services. Furthermore, many of the authors of this article are trained in the social sciences. We therefore extend Orenstein's argument in that social and natural scientists of all stripes have an important role in navigating the policy process, in providing relevant social and ecological data for policymakers, for the communication of results, and for stakeholder integration.

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)0,130
score de la tête « metaresearch » (Gemma)0,075
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,688

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1300,075
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0110,028
Communication savante0,0180,028
Science ouverte0,0030,034
Intégrité de la recherche0,0130,017
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,032
Tête enseignante GPT0,311
Écart entre enseignants0,279 · 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
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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetLand Use and Ecosystem ServicesTravaux en français237 207