MétaCan
Menu
Retour à la cohorte
Enregistrement W2732257134

Community-based Approaches to Resource and Environmental Management

2005· article· en· W2732257134 sur OpenAlexaffabout
Susan Wismer, Bruce Mitchell

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Context (archaeology)Public relationsPrivate sectorPolitical scienceBusinessCitizen journalismEnforcementEnvironmental planningEnvironmental resource managementEconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

(from the Introduction) Community-based approaches are advocated widely internationally and domestically, based on the idea that information, understanding and capacity for action and change, as well as for monitoring and enforcement, do not reside only within government agencies or the private sector. Certainly, these competencies and others often do exist within communities, outside of identified scientific, planning and management organizations. Recent commentators have noted, however, that much of what has been written takes it as self-evident that locally-based participatory approaches result in fairer and more equitable decisions, more potential for generation of context-appropriate innovations, more effective implementation of plans and implementation strategies and a generally more sustainable world. Unfortunately, reports from the field make it clear that this is not always the case (Cooke et al., 2001)... As one contribution to discussion of the problems and potential of community-based approaches to resource and environmental management, this theme issue of Environments has gathered together accounts of the experience of researchers working at the local level on three continents – Asia, South America and Europe. We view this issue as an opportunity to share what is being learned from research conducted in countries or regions outside of Canada, providing an opportunity to reflect on transferability of experience and lessons learned.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,017
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,023
Communication savante0,0080,006
Science ouverte0,0030,006
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,039
Tête enseignante GPT0,178
Écart entre enseignants0,139 · 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

Citations19
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMining and Resource ManagementTravaux en français237 207