MétaCan
Menu
Retour à la cohorte
Enregistrement W2991096078 · doi:10.5539/sar.v9n1p1

Agriculture and Supporting Ecosystem Services: A Trade-off Analysis Using Open Data in Brazil

2019· article· en· W2991096078 sur OpenAlexvenueno aff
A. P. D. Turetta, Bruno Cardoso Pedrosa, Luca Eufemia, Michelle Bonatti, Stefan Sieber

Notice bibliographique

RevueSustainable Agriculture Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesAgricultureEnvironmental resource managementTransparency (behavior)EcosystemBusinessScale (ratio)Open dataService (business)Environmental planningGeographyEnvironmental scienceEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

Open data are important for adding legitimacy and transparency to public sciences. These data have also a potential to be used as a first approach for scientific investigation, such as spatial evaluation of ecosystem services. This paper presents a methodological approach to evaluate the trade-offs between agriculture and supporting ecosystem services based on spatial analysis and open data. The study area is an important agricultural production region in Bahia State, Brazil. The framework was able to establish the spatial interactions between agriculture and ecosystem service provision, while the regional scale was useful in supporting guidelines regarding sustainable land use for agricultural areas.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,452
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,005
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,330
Écart entre enseignants0,305 · 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 tête enseignante, 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 revueSustainable Agriculture ResearchMême sujetLand Use and Ecosystem ServicesTravaux en français237 207