MétaCan
Menu
Retour à la cohorte
Enregistrement W2944405854 · doi:10.5539/enrr.v9n2p53

A Case Study of Enhancing Sustainable Intensification of Chinese Torreya Forest in Zhuji of China

2019· article· en· W2944405854 sur OpenAlexvenueno aff
Xiongwen Chen, Hangbiao Jin

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Ecology and Soil Science
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésChinaContext (archaeology)BusinessAgricultureGovernment (linguistics)TourismGeographyEnvironmental planningCash cropOrder (exchange)AgroforestryEnvironmental resource managementEconomicsEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Chinese torreya (Torreya grandis cv. Merrillii) is an important cash tree in southeastern China and this species plays a major role in local economy. Establishing new plantations of Chinese torreya would be necessary in order to receive more economic benefit. However, expanding the area of torreya plantations would conflict with other land-use and also affect regional biodiversity. Under this context, local people and government made a paradigm shift from nuts productivity to sustainable practices. They explored the multi-functionalities of Chinese torreya forests, such as the social, cultural, environmental and health functionalities, and developed ecotourism as a breakthrough. The development of multi-functionalities of torreya plantations greatly improved the local economy and led a success in the local society. The strategy of this case completely followed the principles of sustainable intensification of agriculture and translational ecology, which involve scientists, stakeholders and policy makers to emphasize landscape multi-functionalities and minimize environmental impacts of operations. The knowledge from this study may be helpful to research in other regions.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,275
Écart entre enseignants0,264 · 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'étudeÉtude de cas
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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetPlant Ecology and Soil ScienceTravaux en français237 207