MétaCan
Menu
Retour à la cohorte
Enregistrement W2950291056 · doi:10.18542/cepec.v6i1-6.7036

ESTIMANDO O POTENCIAL DE REFLORESTAMENTO DA NOVA LEGISLAÇÃO FLORESTAL BRASILEIRA

2019· article· pt· W2950291056 sur OpenAlexaff
Francidélia Cruz Ramos, Sérgio Rivero, Oriana Trindade de Almeida, Gisalda Carvalho Filgueiras, Átila Augusto Vilar de Almeida

Notice bibliographique

RevueCadernos CEPEC · 2019
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésAgricultural scienceHumanitiesForestryPhysicsBusinessPolitical scienceGeographyEnvironmental sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

O trabalho teve como objetivo analisar o custo de recuperação de áreas degradadas no Pará-Brasil frente ao Código Florestal de 2012. Especificamente, foi avaliado o custo de implantar um projeto de reflorestamento para recuperar áreas degradadas com a espécie madeireira paricá (Shizolobium amazonicum) no estado do Pará, no processo de recuperação de áreas de proteção ambiental permanente (APP). Para isso foi levantado o passivo ambiental da região Norte e foram criados cenários de preços com base em dados secundários do Relatório de Informações Semestrais – RIS de Paragominas/PA, construiu-se o fluxo de caixa e calculou-se índices de viabilidade econômica e financeira (valor presente líquido; razão benefício/custo e a taxa interna de retorno). Os resultados mostram que o avanço dos sistemas agroflorestais(SAF’s) surge como alternativa de reflorestar as áreas degradadas via reflorestamento. Os resultados indicaram que considerando uma taxa de juros de 6 % obtém-se um VPL de R$ 1.075,31 e TIR de 7%, valores que geram externalidades positivas tanto os agricultores que desejam reflorestar como para os empresários que querem reduzir os custos de implantação de projeto florestal e, é viável economicamente recuperar uma APP pelo método do reflorestamento.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,629

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,265
Écart entre enseignants0,221 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCadernos CEPECMême sujetAgricultural and Food SciencesTravaux en français237 207