MétaCan
Menu
Retour à la cohorte
Enregistrement W2749868670 · doi:10.1071/aj14092

Lessons learned from developing offsets in the Brigalow Belt of Queensland

2015· article· en· W2749868670 sur OpenAlexaff
Graeme Bartrim, Laura Hahn, Benita Blunden, Chris Ewing, Wendy Simpson, Rob Coulson, Tara D'Arcy-Evans, Jaiben Baker

Notice bibliographique

RevueThe APPEA Journal · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensCanadian College of Osteopathy
Organismes subventionnairesnon disponible
Mots-clésWoodlandGeographyWork (physics)HabitatBiodiversityEnvironmental resource managementVegetation (pathology)FaunaNatural (archaeology)AgroforestryEnvironmental protectionEnvironmental planningEcologyEngineeringArchaeologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Origin Energy—on behalf of the Australia Pacific LNG Project, the upstream tenures of which occupy some 570,000 ha—has established an offsets project in the Brigalow Belt of Queensland. This belt of Acacia woodland runs between the tropical rainforest of the coast and the semi-arid interior of Queensland and is one of 15 bio-regions in Queensland. Its reduction to less than 8% of its distribution makes it a significant part of Australia’s natural environment. The offsets project has the aim of re-establishing areas of Brigalow and associated vegetation communities and fauna habitats for impacts on matters of federal or state significance. This should result in a long-term reduction in environmental impacts. Given the long-term decline in Queensland’s biodiversity, such work is vital and its associated challenges—such as gaining long-term access to and protection of appropriate land, comparatively new and evolving regulatory requirements and, at times, working on the edge of scientific knowledge—requires persistence and innovation. This extended abstract presents valuable lessons learned to help inform future offsetting projects.

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)0,000
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 enseignants0,245
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,122
Tête enseignante GPT0,296
Écart entre enseignants0,174 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe APPEA JournalMême sujetEnvironmental Conservation and ManagementTravaux en français237 207