MétaCan
Menu
Retour à la cohorte
Enregistrement W2531268193 · doi:10.2134/ael2016.07.0024

Distant Views and Local Realities: The Limits of Global Assessments to Restore the Fragmented Phosphorus Cycle

2016· article· en· W2531268193 sur OpenAlexaff
Andrew N. Sharpley, Peter J. A. Kleinman, Helen P. Jarvie, Don Flaten

Notice bibliographique

RevueAgricultural & Environmental Letters · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAgricultureBig dataProduction (economics)Agricultural productivityBusinessResource (disambiguation)Environmental resource managementNatural resource economicsComputer scienceEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Core Ideas Meta‐analysis of “big data” can identify P disconnects in P cycles, stocks and flows. Understanding of farming realities is needed to identify root causes of change. Access to “big data” without grounding in reality can lead to misleading conclusions. Researchers must ensure production and conservation tactics consider farming realities. With more sophisticated data compilation and analytical capabilities, the evolution of “big data” analysis has occurred rapidly. We examine the meta‐analysis of “big data” representing phosphorus (P) flows and stocks in global agriculture and address the need to consider local nuances of farm operations to avoid erroneous or misleading recommendations. Of concern is the disconnect between macro‐needs for better P resource management at regional and national scales versus local realities of P management at farm scales. Both agricultural and environmental researchers should focus on providing solutions to disconnects identified by meta‐analyses and ensure that production and conservation strategies consider farming realities.

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)0,134
score de la tête « metaresearch » (Gemma)0,228
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,707

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1340,228
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0080,007
Études des sciences et des technologies0,0020,018
Communication savante0,0100,033
Science ouverte0,0040,012
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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

Citations39
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultural & Environmental LettersMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207