MétaCan
Menu
Retour à la cohorte
Enregistrement W2191816075 · doi:10.5558/tfc2011-089

Assisted migration: Introduction to a multifaceted concept

2011· article· en· W2191816075 sur OpenAlexaffvenueabout
Catherine Ste-Marie, Elizabeth A. Nelson, Anna Dabros, M. Bonneau

Notice bibliographique

RevueThe Forestry Chronicle · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésTerminologySubject (documents)Context (archaeology)Action (physics)Climate changeData scienceComputer scienceEnvironmental ethicsEcologyEnvironmental resource managementManagement scienceEngineering ethicsEnvironmental planningGeographyEnvironmental scienceLibrary scienceBiologyEngineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

The idea that humans can assist nature by purposely moving species to suitable habitats to fill the gap between their migration capability and the expected rate of climate change is being increasingly contemplated and debated as an adaptive management option. The interest in assisted migration, both in the scientific community and society at large, is growing rapidly and is starting to be translated into action in Canada. However, the concept is in its infancy; clear terminology has not yet been established and assisted migration still encompasses a broad range of practices. This introductory paper for the special issue of The Forestry Chronicle on the subject of assisted migration describes increasing interest in the subject and its complexity. It also provides an overview of the potential scale of assisted migration, proposes a terminology, and briefly introduces the following papers. Overall, the five papers aim to present a comprehensive state of the scientific and operational knowledge and the debate on assisted migration in the context of Canada's forests.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0050,022
Communication savante0,0050,006
Science ouverte0,0020,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,037
Tête enseignante GPT0,249
Écart entre enseignants0,212 · 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
GenreSynthèse

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

En bref

Citations110
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207