MétaCan
Menu
Retour à la cohorte
Enregistrement W2553193021 · doi:10.1017/s0032247416000103

Arctic in the Anthropocene: sustainability in a new polar age

2016· article· en· W2553193021 sur OpenAlexaff
Jennifer V. Lukovich, Mona Behl, Wilfrid Greaves, Kathrin Keil

Notice bibliographique

RevuePolar Record · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensUniversity of TorontoUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAnthropoceneArcticPermafrostSustainabilityMarine researchHumanityClimate changeDisciplineGeographyPolitical scienceOceanographyPhysical geographySociologyEnvironmental ethicsEcologySocial scienceGeology

Résumé

récupéré en direct d'OpenAlex

The Arctic provides one of the most striking signatures of climate change impacts. Accelerated loss of sea ice extent and thickness, loss in biodiversity, changing atmospheric circulation patterns, and melting permafrost portray only a few aspects of a rapidly changing Arctic. In recognition of the inter-, multi-, and trans-disciplinary (Keil 2015) discussions, tools, mechanisms, and implementation strategies necessary to address these challenging and pervasive issues of this century, the first Potsdam Summer School, entitled ‘Arctic in the Anthropocene’, took place in June–July, 2014. The summer school was coordinated by the Institute for Advanced Sustainability Studies (IASS), the Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research (AWI), the GFZ German Research Centre for Geosciences, the Potsdam Institute for Climate Impact Research (PIK), and the University of Potsdam, in conjunction with the city of Potsdam. The principal vision of the summer school was to eliminate disciplinary language barriers, and to foster communication amongst individuals trained in law and international relations, public health, and science, with the goal of extending an integrated science-policy dialogue for the benefit of humanity, the planet that we inhabit, and for which we share a collective responsibility.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,415
Score d'incertitude au seuil0,880

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,341
Écart entre enseignants0,313 · 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 tête enseignante, 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 revuePolar RecordMême sujetArctic and Russian Policy StudiesTravaux en français237 207