MétaCan
Menu
Retour à la cohorte
Enregistrement W2888376849 · doi:10.5539/jms.v8n3p74

Fragile States Index Considering Climate Factors

2018· article· en· W2888376849 sur OpenAlexvenueno aff
Geng-Jian Zhou, Qiao-Xu Qin, Wei-Zhou Lin, Yuanbiao Zhang

Notice bibliographique

RevueJournal of Management and Sustainability · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Socioeconomic and Political Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFragilityClimate changeIndex (typography)Intervention (counseling)Development economicsGeographyDemocracyPopulationPolitical scienceEconomic growthSocioeconomicsEconomicsSociologyPsychologyPoliticsDemography

Résumé

récupéré en direct d'OpenAlex

Over the past few decades, the Earth’s climate has undergone conspicuous changes, some of which have a profound impact on social and governmental systems. The purpose of this paper is to establish a model for measuring national fragile and the impact of climate change on a country. For this purpose, we first define the Fragile States Index (FSI) to measure the fragility of a country based on population, crime rate and education, which are the three aspects that most countries or regions will focus on. Second, we use the FSI to illustrate how climate change affects the Democratic Republic of the Congo. Third, we analyze the definitive indicators of Indonesia and predict the changes of FSI. Finally, the effects of each intervention policy were obtained by analyzing Indonesia’s intervention policy on environmental change. To provide ideas for intervention on climate change.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,405

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetGlobal Socioeconomic and Political DynamicsTravaux en français237 207