MétaCan
Menu
Retour à la cohorte
Enregistrement W3027097944

АДАПТАЦИЯ И ПИТАНИЕ ЧЕЛОВЕКА В ЭКСТРЕМАЛЬНЫХ УСЛОВИЯХ АРКТИКИ

2013· article· ru· W3027097944 sur OpenAlexaboutno aff
Л. Е. Панин

Notice bibliographique

RevueИнновации и продовольственная безопасность · 2013
Typearticle
Langueru
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationArcticGeopoliticsFrontierGeographyThe arcticExaggerationNatural resource economicsEconomyEnvironmental protectionEcologyEconomicsPolitical scienceOceanographyGeologyBiologyDemographySociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

It is shown that and balanced for the alien population of the Asian North the proteinaceous and lipidic food approached to a food of the population of high widths is adequate. Such type of a food in extreme ecological conditions renders anti-stressful effect and reduces a condition of ecological tension. If nature of a food of the person in the north doesn't correspond to extreme conditions, it leads to development of dezadaptatsionny conditions of a metabolism. Search of mineral and energy resources in various areas of the Arctic pool revealed existence of a huge number of stocks of oil, gas and gas condensate. Today these territories became the sphere of national interests of many states of the world: Russia, USA, Canada, Scandinavian countries and others. Without exaggeration it is possible to tell that economic development of these territories gains already today geopolitical character. Now the greatest prospect is represented by economic development of shelves of the Arctic Ocean where Russia has the most extended frontier. Due to the active thawing of pack ice the Northern Sea Route becomes available to navigation within round year. Thus, the European and Asian North of Russia turns for the person into the area of active economic development.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,005

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 Opus0,032
Tête enseignante GPT0,207
Écart entre enseignants0,175 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueИнновации и продовольственная безопасностьMême sujetFood Industry and Aquatic BiologyTravaux en français237 207