MétaCan
Menu
Retour à la cohorte
Enregistrement W2787056864 · doi:10.5751/es-09844-230114

The climate-smart village approach: framework of an integrative strategy for scaling up adaptation options in agriculture

2018· article· en· W2787056864 sur OpenAlexvenueno aff
Pramod Aggarwal, Andy Jarvis, Bruce Campbell, Robert B. Zougmoré, Arun Khatri‐Chhetri, Sonja Vermeulen, Ana María Loboguerrero, Leocadio S. Sebastian, James Kinyangi, Osana Bonilla‐Findji, Maren Radeny, John Recha, Deissy Martínez- Barón, Julián Ramírez-Villegas, Sophia Huyer, Philip K. Thornton, Eva Wollenberg, James Hansen, Patricia Alvarez-Toro, Andrés Aguilar-Ariza, David Arango-Londoño, Victor Patiño-Bravo, Ovidio Rivera, Mathieu Ouédraogo, Bui Tan Yen

Notice bibliographique

RevueEcology and Society · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Centre for International Agricultural ResearchInternational Fund for Agricultural DevelopmentConsortium of International Agricultural Research Centers
Mots-clésAdaptation (eye)AgricultureClimate change adaptationLandscape ecologyClimate changeEcologyComputer scienceRegional scienceHumanitiesGeographyPhysicsBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Aggarwal, P. K., A. Jarvis, B. M. Campbell, R. B. Zougmoré, A. Khatri-Chhetri, S. J. Vermeulen, A. Loboguerrero, L. S. Sebastian, J. Kinyangi, O. Bonilla-Findji, M. Radeny, J. Recha, D. Martinez-Baron, J. Ramirez-Villegas, S. Huyer, P. Thornton, E. Wollenberg, J. Hansen, P. Alvarez-Toro, A. Aguilar-Ariza, D. Arango-Londoño, V. Patiño-Bravo, O. Rivera, M. Ouedraogo and B. Tan Yen. 2018. The climate-smart village approach: framework of an integrative strategy for scaling up adaptation options in agriculture. Ecology and Society 23(1):14. https://doi.org/10.5751/ES-09844-230114

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)0,006
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,010
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,016
Communication savante0,0070,006
Science ouverte0,0040,010
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,045
Tête enseignante GPT0,288
Écart entre enseignants0,243 · 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

Citations256
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetClimate change impacts on agricultureTravaux en français237 207