MétaCan
Menu
Retour à la cohorte
Enregistrement W2415950012 · doi:10.1002/fee.1283

Wildfire risk as a socioecological pathology

2016· review· en· W2415950012 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesPacific Northwest Research StationJoint Fire Science ProgramU.S. Department of AgricultureU.S. Forest ServiceNational Science Foundation
Mots-clésTemperate rainforestImperfectSet (abstract data type)Environmental resource managementHuman systems engineeringNatural (archaeology)Corporate governanceGeographyComputer scienceEcologyRisk analysis (engineering)BusinessEnvironmental scienceBiologyArtificial intelligenceEcosystem

Résumé

récupéré en direct d'OpenAlex

Wildfire risk in temperate forests has become a nearly intractable problem that can be characterized as a socioecological “pathology”: that is, a set of complex and problematic interactions among social and ecological systems across multiple spatial and temporal scales. Assessments of wildfire risk could benefit from recognizing and accounting for these interactions in terms of socioecological systems, also known as coupled natural and human systems ( CNHS ). We characterize the primary social and ecological dimensions of the wildfire risk pathology, paying particular attention to the governance system around wildfire risk, and suggest strategies to mitigate the pathology through innovative planning approaches, analytical tools, and policies. We caution that even with a clear understanding of the problem and possible solutions, the system by which human actors govern fire‐prone forests may evolve incrementally in imperfect ways and can be expected to resist change even as we learn better ways to manage CNHS .

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

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 Opus0,005
Tête enseignante GPT0,214
Écart entre enseignants0,210 · 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