MétaCan
Menu
Retour à la cohorte
Enregistrement W2900677723

Télédétection et géomatique pour le suivi des milieux forestiers - Contributions à l’évaluation des risques

2016· preprint· fr· W2900677723 sur OpenAlexaboutno aff
Veronique V. Cheret

Notice bibliographique

RevueOpen Archive Toulouse Archive Ouverte (University of Toulouse) · 2016
Typepreprint
Languefr
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les disciplines de l’information géographique regroupent à la fois la géomatique et la télédétection. Elles s’appuient sur un ensemble de techniques et de données à références spatiales qui, utilisées de manière complémentaire ou non, sont devenues indispensables pour un grand nombre de domaines liés à la description et la gestion du territoire. \nIl est utile tout d’abord de rappeler quelques définitions. Parmi les nombreuses définitions de la géomatique on retiendra celle adoptée au Québec par l’Office de la langue française et tirée du Grand dictionnaire terminologique (GDT) qui définit la géomatique comme «la discipline ayant pour objet la gestion des données géographiques et qui fait appel aux sciences et aux technologies reliées à leur acquisition, leur stockage, leur traitement et leur diffusion » (https://www.oqlf.gouv.qc.ca). \nSelon la même source, nous pouvons également définir la télédétection comme étant une discipline regroupant « l’ensemble des connaissances et techniques utilisées pour déterminer, au moyen de mesures effectuées à distance, les caractéristiques physiques et biologiques des phénomènes ». \nDepuis leur apparition, la géomatique et la télédétection (spatiale et aéroportée) connaissent un essor considérable dans un contexte d’évolution technologique et méthodologique en informatique par : le développement des Systèmes d’Information Géographique (SIG) dès les années 1960 (Figure 1), la succession des programmes de lancement des satellites d’observation de la terre, et l’augmentation de la capacité et des performances des ordinateurs [Comas et Ruiz, 1993]...

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)0,011
score de la tête « metaresearch » (Gemma)0,029
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: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,029
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,002
Communication savante0,0090,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Archive Toulouse Archive Ouverte (University of Toulouse)Même sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207