MétaCan
Menu
Retour à la cohorte
Enregistrement W2165601098 · doi:10.1177/0037549705053171

Multiagent Modeling and Simulation of Hydraulic Management of the Camargue

2005· article· en· W2165601098 sur OpenAlexfundno aff
Bernard Espinasse, Nathalie Franchesquin

Notice bibliographique

RevueSIMULATION · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensnon disponible
Organismes subventionnairesUniversité Paul Cézanne - Aix-Marseille IIICentre National de la Recherche ScientifiqueUniversité Laval
Mots-clésComputer scienceNegotiationRealization (probability)Ecosystem managementSimulation modelingNatural (archaeology)Natural resource managementConceptual modelEnvironmental resource managementAgent-based modelModeling and simulationEcosystemNatural resourceManagement scienceKnowledge managementRisk analysis (engineering)BusinessSimulationEnvironmental scienceEcologyArtificial intelligenceEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Modeling and simulation of human-influenced ecosystems require the integration of natural and decision-making processes. In such ecosystems, natural resource management aims at protecting natural areas while enabling human activities that contribute to these area characteristics. The object of this research is the modeling and simulation of the hydraulic management of the Camargue ecosystem with a multiagent system. The authors first present the problematics of this hydraulic management, its objectives, and a formalization of the different decision processes centered on a social contract and associated with two main phases: the contract elaboration phase and the contract realization phase. They present conceptual modeling and multiagent modeling of these two phases with details on agent models, agent behaviors, and negotiation models.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,278
Écart entre enseignants0,247 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSIMULATIONMême sujetMulti-Agent Systems and NegotiationTravaux en français237 207