MétaCan
Menu
Retour à la cohorte
Enregistrement W2423672070 · doi:10.4000/vertigo.17307

Les dépendances vertes dans les paysages agricoles : prendre en compte les milieux adjacents à la route

2016· article· fr· W2423672070 sur OpenAlexvenueno aff
Clémence Chaudron, Rémi Perronne

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Les infrastructures linéaires de transport terrestre (ILTT) sont souvent considérées comme des éléments défavorisant la biodiversité, mais elles peuvent également représenter, par leurs dépendances végétalisées, des supports de biodiversité en tant que corridor préférentiel ou habitat pour de nombreuses espèces. Ces influences contrastées des ILTT sur la biodiversité ont fait l’objet d’études portant principalement sur le réseau routier, un des principaux éléments de fragmentation des paysages, induisant notamment un effet barrière. Dans cette étude, nous nous sommes focalisés sur la connectivité transversale entre les bords de route et les champs cultivés adjacents dans une région de grande culture caractérisée par un gradient de fragmentation forestière. Cet espace étroit qu’est l’interface route-champ cultivé, est intensément géré, à la fois par les collectivités locales, s’orientant vers une tonte tardive du bord de route, et par les agriculteurs riverains des routes. Ces pratiques de gestion peuvent avoir des effets contrastés sur la diversité végétale du bord de route et de l’habitat adjacent, les champs cultivés, suscitant alors des tensions entre la collectivité locale gestionnaire de ces milieux et les agriculteurs. Ces tensions pourraient concerner d’autres ILTT traversant des paysages agricoles, et dont les dépendances sont soumises à des dispositifs de gestion alternative, si leur mise en place ne tient pas compte de leur influence potentielle sur les milieux adjacents.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,017
Tête enseignante GPT0,245
Écart entre enseignants0,228 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207