MétaCan
Menu
Retour à la cohorte
Enregistrement W2170463008 · doi:10.1139/x06-241

Complementary use of voting methods and interactive utility analysis in participatory strategic forest planning: experiences gained from western Finland

2007· article· en· W2170463008 sur OpenAlexvenueno aff
Jouni Pykäläinen, Veikko Hiltunen, Pekka Leskinen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVotingPreference elicitationComputer sciencePreferenceRanking (information retrieval)Resource (disambiguation)Natural resourceManagement scienceStrategic planningOperations researchBusinessPolitical scienceMarketingEconomicsArtificial intelligenceEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

This paper introduces the concept of complementary use of voting methods and interactive utility analysis (IUA) in strategic natural resource planning in western Finland as organized by Metsähallitus. The voting and IUA methods were used by three working groups, the aim in using these methods being to support the working groups in formulating their decision proposals for Metsähallitus. Ordinal preference information was collected by using the voting methods, whereas the IUA method defined the participants’ preferences by using the interval scale. In all the three working groups, four out of seven alternatives shared the first place in ranking when applying the voting methods, and one alternative was priorized over the other alternatives when using the IUA method. The stakeholders’ feedback indicated that the methods used were not too difficult to use and understand. The IUA method was especially efficient in promoting the participants’ learning process, which as a consequence made formulation of the decision proposal easier for them. It was also noticed that the standard versions of the voting methods do not necessarily fulfill the needs of decision support in strategic natural resource planning as such. Instead, complementary use with more profound methods (e.g., IUA) may be needed.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,528
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,274
Tête enseignante GPT0,463
Écart entre enseignants0,190 · 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.

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

Citations37
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207