MétaCan
Menu
Retour à la cohorte
Enregistrement W2504602374 · doi:10.4018/978-1-59140-845-1.ch014

Web GIS and Knowledge Management Systems

2006· book-chapter· en· W2504602374 sur OpenAlexaff
Brad C. Mason, Suzana Dragićević

Notice bibliographique

RevueIGI Global eBooks · 2006
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTraditional knowledge GISDistributed GISGeographic information systemKnowledge managementWorld Wide WebWeb mappingTacit knowledgeInterface (matter)AM/FM/GISData scienceWeb serviceWeb modelingGIS and public healthGIS DayGeographyGIS applicationsRemote sensing

Résumé

récupéré en direct d'OpenAlex

Environmental problems are multidimensional and usually complex. Collaborative integration of multiple forms of knowledge is one approach used to develop meaningful solutions to complex problems. In this regard, spatial data and knowledge about the environment have been managed extensively with Web geographic information systems (Web GIS). However, past Web GIS research has focused mostly on using spatial tools to manage explicit (codified) knowledge. This has reduced the complementary contribution that tacit (experiential) knowledge can provide to environmental solutiodragns. In this study, Web GIS and knowledge management technologies are used to integrate multiple forms of spatial knowledge in support of collaborative community planning. The system design included a customized end-user interface for data entry, georeferencing tools for asynchronous collection of local data, and protocols for knowledge management dealing with species location, ecological habitats, and environmentally sensitive areas among others. The system enabled access, query, sharing, and updating of environmental knowledge using visual map-based tools. The utility of the integrated system design is discussed.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0010,002
Communication savante0,0100,008
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,010

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 Opus0,019
Tête enseignante GPT0,261
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations11
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetGeographic Information Systems StudiesTravaux en français237 207