MétaCan
Menu
Retour à la cohorte
Enregistrement W29123188 · doi:10.1038/s41598-017-15438-x

Деятельность органов прокуратуры по предотвращению насилия в отношении несовершеннолетних: анализ теории и судебная практика (на примере Ульяновской области)

2012· article· en· W29123188 sur OpenAlexaboutno aff
А. Н. Левушкин

Notice bibliographique

RevueВестник Пермского университета Юридические науки · 2012
Typearticle
Langueen
DomainePsychology
ThématiquePsychology of Development and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrueltyCriminologyNorm (philosophy)Minor (academic)AggressionLawPublic securityPolitical scienceSociologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Large-scale climatic fluctuations have caused species range shifts. Moose (Alces alces) have expanded their range southward into agricultural areas previously not considered moose habitat. We found that moose expansion into agro-ecosystems is mediated by broad-scale climatic factors and access to high-quality forage (i.e., crops). We used crop damage records to quantify moose presence across the Canadian Prairies. We regressed latitude of crop damage against North Atlantic Oscillation (NAO) and crop area to test the hypotheses that NAO-mediated wetland recharge and occurrence of more nutritious crop types would result in more frequent occurrences of crop damage by moose at southerly latitudes. We examined local-scale land use by generating a habitat selection model to test our hypothesis that moose selected for areas of high crop cover in agro-ecosystems. We found that crop damage by moose occurred farther south during dry winters and in years with greater coverage of oilseeds. The results of our analyses support our hypothesis that moose movement into cropland is mediated by high-protein crops, but not by thermoregulatory habitat at the scale examined. We conclude that broad-scale climate combined with changing land-use regimes are causal factors in species' range shifts and are important considerations when studying changing animal distributions.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,326
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0290,035

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 Opus0,061
Tête enseignante GPT0,395
Écart entre enseignants0,334 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueВестник Пермского университета Юридические наукиMême sujetPsychology of Development and EducationTravaux en français237 207