MétaCan
Menu
Retour à la cohorte

DECONSTRUCTING ADAPTIVE MANAGEMENT: CRITERIA FOR APPLICATIONS TO ENVIRONMENTAL MANAGEMENT

2006· article· en· W2179807004 sur OpenAlexaff
Robin Gregory, D. Ohlson, Joe Arvai

Notice bibliographique

RevueEcological Applications · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesOhio State UniversityNational Science Foundation
Mots-clésAdaptive managementStakeholderEnvironmental resource managementComputer scienceScale (ratio)Management scienceTemporal scalesEcosystem managementRisk analysis (engineering)BusinessEcologyEnvironmental planningEnvironmental scienceGeographyEconomicsEcosystem

Résumé

récupéré en direct d'OpenAlex

The concept of adaptive management has, for many ecologists, become a foundation of effective environmental management for initiatives characterized by high levels of ecological uncertainty. Yet problems associated with its application are legendary, and many of the initiatives promoted as examples of adaptive management appear to lack essential characteristics of the approach. In this paper we propose explicit criteria for helping managers and decision makers to determine the appropriateness of either passive or active adaptive-management strategies as a response to ecological uncertainty in environmental management. Four categories of criteria--dealing with spatial and temporal scale, dimensions of uncertainty, the evaluation of costs and benefits, and institutional and stakeholder support--are defined and applied using hypothetical yet realistic case-study scenarios that illustrate a range of environmental management problems. We conclude that many of the issues facing adaptive management may have less to do with the approach itself than with the indiscriminate choice of contexts within which it is now applied.

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)0,034
score de la tête « metaresearch » (Gemma)0,091
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,091
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,006
Études des sciences et des technologies0,0030,025
Communication savante0,0100,012
Science ouverte0,0030,007
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,069
Tête enseignante GPT0,239
Écart entre enseignants0,169 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations299
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological ApplicationsMême sujetEconomic and Environmental ValuationTravaux en français237 207