MétaCan
Menu
Retour à la cohorte
Enregistrement W3012388727 · doi:10.1002/wat2.1433

Water, ice, and climate change in northwest Greenland

2020· article· en· W3012388727 sur OpenAlexaffabout
Mark Nuttall

Notice bibliographique

RevueWiley Interdisciplinary Reviews Water · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGeographyOceanographyClimate changeArcticFjordSea iceFisheryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Along the coastal areas of northwest Greenland, sea ice is crucial to people's livelihoods. People in the region have long depended on hunting marine mammals such as seals; walrus; narwhal, beluga, fin, and minke whales; and polar bears, as well as fishing for fjord cod, Greenland halibut, salmon, and Arctic char. Terrestrial animals such as reindeer and Arctic foxes have also been of some importance, as have musk ox in some areas. However, the effects of a changing climate on the marine environment are stark, immediate, and tangible. Ice is melting, and coastal waters are warming. Sea ice, glaciers, coastlines, and seas have become sites and objects for new forms of environmental governance shaped by ideas of unique and fragile ecosystems under threat at a moment of planetary crisis. Conservation organizations frame the Arctic as a zone of climate change crisis and have launched campaigns—underpinned by narratives of ruination—to protect what are termed last areas of ice. However, Inuit organizations are also working to ensure that environmental governance and conservation policymaking do not exclude local communities in the region and are campaigning for protected marine areas in which wildlife management systems and community‐based monitoring take note of indigenous rights and incorporate indigenous knowledge. This article is categorized under: Science of Water > Water and Environmental Change Human Water > Rights to Water Human Water > Water Governance Water and Life > Conservation, Management, and Awareness

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,479
Score d'incertitude au seuil0,953

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
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 Opus0,082
Tête enseignante GPT0,388
Écart entre enseignants0,306 · 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

Citations23
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews WaterMême sujetIndigenous Studies and EcologyTravaux en français237 207