MétaCan
Menu
Retour à la cohorte
Enregistrement W267147765 · doi:10.5281/zenodo.30750

Emerging Issues In Forest Science

2011· article· en· W267147765 sur OpenAlexaff
Don K. Lee, Niels Elers Koch, John L. Innes, Peter Mayer

Notice bibliographique

RevueCeON Repository (Centre for Evaluation in Education and Science) · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesClimate changeBiodiversityPovertyDeforestation (computer science)Environmental resource managementUrbanizationForest ecologyBusinessClimate change mitigationEnvironmental planningGeographyPolitical scienceEcosystemEnvironmental scienceEconomic growthEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

Major issues in forest science, such as climate change, bio-energy, biodiversity, and water, were assessed by IUFRO responsive to the broader scientific and policy communities to tackle more complex global environmental, social, and economic issues impacting forests. Other issues highlighted in this paper are forest health and forest genetics; forest modeling and operations engineering; challenges for mitigation and adaptation; public participation on decisions, research, and distribution of benefits; estimating ecosystem services, biofuels and biodiversity; societal<br> issues, including health, food, poverty, urbanization, and lifestyle; educational change in structure and topics; and information and research administration. As forest science faced various challenges in the last few years, there is<br> a need for interdisciplinary approaches and cross-sectoral collaboration. These interrelated and emerging key-issues, particularly climate change, biodiversity, bio-energy and water, are of strong interest to policy makers and groups inside and outside the forest sector. These will all be of high relevance to forest science and to IUFRO in the coming years, primarily for global collaboration.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,060
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,316
Écart entre enseignants0,295 · 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

Citations4
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCeON Repository (Centre for Evaluation in Education and Science)Même sujetForest Management and PolicyTravaux en français237 207