MétaCan
Menu
Retour à la cohorte
Enregistrement W2908707814 · doi:10.1139/cjfr-2018-0314

How stakeholders structure their collaborations to anticipate and tackle the threat of mountain pine beetle in the Jasper–Hinton (Alberta, Canada) area

2019· article· en· W2908707814 sur OpenAlexaffvenueabout
Rodolphe Gonzalès, Lael Parrott

Notice bibliographique

RevueCanadian Journal of Forest Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésResource (disambiguation)Resilience (materials science)Natural resourceEnvironmental resource managementInformation flowSustainabilityPsychological resilienceDiversity (politics)GeographyBusinessEcologyPolitical scienceEconomicsComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

The resilience of resource-based communities facing natural disturbances partly depends on the capacity of a wide diversity of stakeholders to share their expertise, articulate their efforts, and develop solutions that are both effective and equitable. Structural methods from network theory can be used to measure how efficiently and thoroughly collaborations happen among stakeholders and to identify ways to improve information flow. We applied network theory to represent and analyse the collaborations between individuals dealing with a significant mountain pine beetle outbreak in the Jasper–Hinton area of Alberta, Canada. For this, we interviewed and collected relational information from 90 respondents officiating in the area. Our results show unbalanced collaboration patterns among federal, provincial, and municipal institutions, as well as the forestry sector and research institutions, leading to clusters and, as a consequence, to gaps in the flow of information that are only partially bridged by a few actors. Such siloing of information is a key barrier to sustainability in natural resource management that may be addressed more transparently using network theory.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,439

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,272
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 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'étudeQualitatif
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

Citations3
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207