MétaCan
Menu
Retour à la cohorte
Enregistrement W3110043618 · doi:10.3390/land9120489

Moving toward a Greener China: Is China’s National Park Pilot Program a Solution?

2020· article· en· W3110043618 sur OpenAlexaff
Gonghan Sheng, Heyuan Chen, Kalifi Ferretti-Gallon, John L. Innes, Zhongjun Wang, Yujun Zhang, Guangyu Wang

Notice bibliographique

RevueLand · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNational parkChinaGovernment (linguistics)Environmental degradationEnvironmental planningEnvironmental resource managementPrioritizationEnvironmental protectionBusinessBiodiversityGeographyEcologyEconomics

Résumé

récupéré en direct d'OpenAlex

National parks have been adopted for over a century to enhance the protection of valued natural landscapes in countries worldwide. For decades, China has emphasized the importance of economic growth over ecological health to the detriment of its protected areas. After decades of environmental degradation, dramatic loss of biodiversity, and increasing pressure from the public to improve and protect natural landscapes, China’s central government recently proposed the establishment of a pilot national park system to address these issues. This study provides an overview of the development of selected conventional protected areas (CPAs) and the ten newly established pilot national parks (PNPs). A literature review was conducted to synthesize the significant findings from previous studies, and group workshops were conducted to integrate expert knowledge. A qualitative analysis was performed to evaluate the effectiveness of the pilot national park system. The results of this study reveal that the PNP system could be a potential solution to the two outstanding issues facing CPAs, namely the economic prioritization over social and ecological considerations that causes massive ecological degradation, and the conflicting, overlapping, and inconsistent administrative and institutional structures that result in serious inefficiencies and conflicts.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,227
Écart entre enseignants0,196 · 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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207