MétaCan
Menu
Retour à la cohorte
Enregistrement W2783043139 · doi:10.15302/j-fase-2017189

Comments on the special issue on forestry of FASE

2017· article· en· W2783043139 sur OpenAlexaff
John L. Innes

Notice bibliographique

RevueFrontiers of Agricultural Science and Engineering · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Impact and Sustainability
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésForestryBusinessGeography

Résumé

récupéré en direct d'OpenAlex

Forestry in China has changed drastically since the country was affected by devastating floods in 1998. The government has launched a series of nationwide ecological restoration programs, promulgated new forest policies and tax reforms, and heavily compensated forest owners. These policies and programs have already produced tangible benefits in improving forest cover, supporting the wood industry and supplementing rural livelihoods. Large areas are now protected from logging, huge afforestation programs are underway, and tenure reform offers hope of more efficient and effective operations that can create jobs and stimulate economic growth However, forestry has also been associated with problems, particularly in the context of climate change and the expansion of urbanization, including deforestation, desertification, pest and disease outbreaks, and decline of productivity. Despite this, these challenges also represent opportunities for China. Forest conservation programs have generated a wave of new national parks and ecotourism businesses; afforestation and reforestation programs have improved forest genetic resources and have also led to the development of carbon forestry. The natural forest protection program has encouraged the use of biomass and massive non-timber understory crop plantations.

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)0,000
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 enseignants0,258
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,005
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers of Agricultural Science and EngineeringMême sujetEnvironmental Impact and SustainabilityTravaux en français237 207