MétaCan
Menu
Retour à la cohorte
Enregistrement W2311835898 · doi:10.24043/isj.189

Biodiversity and Natural Resource Management in Insular Southeast Asia

2006· article· en· W2311835898 sur OpenAlexvenueno aff
Gerard A. Persoon, M. van Weerd

Notice bibliographique

RevueIsland Studies Journal · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesNational IT Industry Promotion AgencyUniversiteit Leiden
Mots-clésOverexploitationBiodiversityGeographyArchipelagic stateNatural resourceExploitation of natural resourcesWildlifeAgroforestryEnvironmental resource managementEnvironmental degradationNatural resource managementPopulationEcologyEnvironmental protectionNatural resource economicsFisheryEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Indonesia and the Philippines are amongst the world’s mega-biodiversity countries. Their insular nature has certainly contributed to this level of diversity. However, at the same time, there is rapid environmental degradation in terms of forest loss, loss of plant and animal species and overexploitation of wildlife. Insular Southeast Asia, with a population of over 300 million, is more densely populated than any other insular area. Yet, remarkably, this region plays a low-key role in comparative island studies. Both Indonesia and the Philippines have recently moved from centralized forms of government to regional and even local autonomy. This article presents an overview of the present state of biological and cultural diversity of the two archipelagic states. Recent changes in styles of natural resource management are discussed, with a focus on forest resources in the area.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,078
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations26
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207