MétaCan
Menu
Retour à la cohorte
Enregistrement W2340364769 · doi:10.1017/cbo9780511920943.022

Scenario development for decision making

2011· book-chapter· en· W2340364769 sur OpenAlexaff
Villy Christensen, S. X. Lai

Notice bibliographique

RevueCambridge University Press eBooks · 2011
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDevelopment (topology)Computer scienceOperations researchEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Turning the tide is easy. Tides are after all very predictable; just wait for the right moment before pushing the water back. When it comes to re-directing a current it is far more difficult – it takes climate change to shift the Gulf Stream. What is happening to the world's fisheries, at the local, regional, or global scale appears to be more like a one-way current than a tide with ups and downs (Pauly et al ., 2003). Strong enforcement of effort restrictions may bring a relief in the parts of the world where strong governance is in place (Worm et al ., 2009), while most of the world's marine ecosystems continue to be overexploited. We are gradually eroding many of the ecosystems on which our food supply from the oceans relies, even if we may not notice it as individuals (Pauly, 1995). What can we do to curb the direction of widespread degradation? It is a daunting task to embark on – one where we cannot explicitly express how we will go about solving the problem. We do, however, have an idea of, and experience with, techniques and materials we can use to deliver a small contribution toward the solution. What is clear is that if we as scientists are to make such contributions we must speak up and seek to be heard (Baron, this volume). We must convey the best available scientific information to decision and policymakers (Reichert, this volume).

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)0,006
score de la tête « metaresearch » (Gemma)0,015
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,003
Communication savante0,0070,009
Science ouverte0,0030,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0760,015

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 Opus0,177
Tête enseignante GPT0,315
Écart entre enseignants0,138 · 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
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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetComplex Systems and Decision MakingTravaux en français237 207