DATA INTEGRATION AND VISUALISATION REQUIREMENTS FOR A CANADIAN MARINE CADASTRE: LESSONS FROM THE PROPOSED MUSQUASH MARINE PROTECTED AREA
Notice bibliographique
Résumé
The coming into force of the United Nations Convention on Law of the Sea (UNCLOS) has forced the subdivision of the oceans into Territorial Seas, Exclusive Economic Zones and Continental Shelves, each with its attendant right and responsibilities. As it explicitly deals with the rights, restrictions and responsibilities to the physical offshore, UNCLOS has created a complex multidimensional mosaic of potential private and public interests. When coastal zone management programs, and internal jurisdiction and administration issues are added on, a clear understanding of the nature and extent of offshore interests is crucial for decision-making purposes. One such coastal zone management program is the Marine Protected Area ∗ (MPA) program in Canada. This paper reports on one of the objectives of the “Good Governance of Canada’s Oceans” project: To highlight data integration and visualisation challenges in visualizing the complexity of rights in marine spaces. Specifically, this paper reviews the technical challenges of data integration and visualisation that were encountered as part of a case study involving the proposed Musquash MPA. These technical challenges are particularly important considering the spatial data scale, format, precision and accuracy issues intertwined with the jurisdiction and administrative uncertainty found in Canadian marine space. It is in this context that the authors view these technical challenges as synonymous with those to be encountered in building a marine cadastre.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,014 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».