MétaCan
Menu
Retour à la cohorte
Enregistrement W2560618878 · doi:10.1002/eap.1477

Moving beyond the concept of “primary forest” as a metric of forest environment quality

2016· article· en· W2560618878 sur OpenAlexafffund
Pierre Y. Bernier, David Paré, G. Stinson, Simon Bridge, Barbara E. Kishchuk, Tony C. Lemprière, Évelyne Thiffault, B. D. Titus, W. Vasbinder

Notice bibliographique

RevueEcological Applications · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversité LavalNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceU.S. Forest ServiceU.S. Department of Agriculture
Mots-clésEcologyMetric (unit)Quality (philosophy)GeographyForest ecologyEnvironmental scienceEnvironmental resource managementOld-growth forestAgroforestryEcosystemBiologyBusiness

Résumé

récupéré en direct d'OpenAlex

The United Nations Food and Agriculture Organization (FAO) has been reporting country-level area in primary forests in its Global Forest Resource Assessment since 2005. The FAO definition of a primary forest (naturally regenerated forest of native species where there are no clearly visible indications of human activities and the ecological processes are not significantly disturbed) is generally accepted as authoritative and is being used in policy making. However, problems with this definition undermine our capacity to obtain globally coherent estimates. In addition, the current reporting on primary forests fails to consider the complementarily of non-primary forests toward the maintenance of ecosystem services. These issues undermine the appropriate tracking of changes in primary and non-primary forests, and the assessment of impacts of such changes on ecosystem services. We present the case for an operational reconsideration of the primary forest concept and discuss how alternatives or supplements might be developed.

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)0,014
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0020,013
Communication savante0,0090,010
Science ouverte0,0030,004
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,256
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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

Citations29
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological ApplicationsMême sujetForest Management and PolicyTravaux en français237 207