MétaCan
Menu
Retour à la cohorte
Enregistrement W2918886426 · doi:10.3188/szf.2019.0069

Marteloscopes au service de la sylviculture proche de la nature

2019· article· en· W2918886426 sur OpenAlexaff
Pascal Junod

Notice bibliographique

RevueSchweizerische Zeitschrift fur Forstwesen · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésSilvicultureForest managementService (business)SustainabilityBusinessSustainable forest managementEnvironmental resource managementCompetition (biology)AgroforestryForestryGeographyEcologyEnvironmental scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Marteloscopes in the service of close-to-nature silviculture In Switzerland, close-to-nature silviculture is recognised as strategically important. It is part of the management principles prescribed in Article 20 of the Federal Act on Forests. The implementation of this type of silviculture is based on a holistic understanding of the forest, which is considered both as a complex habitat and as a multifunctional production system. Marking is the core activity of forest management. It is an integrative decision-making act at the interface between planning and timber harvesting. Since 2011, the silvicultural department in Lyss has been using marteloscopes for training purposes. They are valued as didactic tools and enable practice of a forest management that is carried out in accordance with the overarching legal objectives of sustainability, naturalness and multifunctionality. Thanks to the georeferencing of the trees and the recording of their characteristics, it is possible to compare the various marking proposals visually and quantitatively. The marteloscope exercises, carried out in a spirit of healthy competition, are one of the pillars of the training of forest professionals.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0480,006

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 Opus0,005
Tête enseignante GPT0,256
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSchweizerische Zeitschrift fur ForstwesenMême sujetForest Management and PolicyTravaux en français237 207