MétaCan
Menu
Retour à la cohorte
Enregistrement W3164704062 · doi:10.1126/sciadv.abd6034

Natural climate solutions for Canada

2021· article· en· W3164704062 sur OpenAlexafffundabout
C. Ronnie Drever, Susan C. Cook‐Patton, Fardausi Akhter, Pascal Badiou, Gail L. Chmura, Scott J. Davidson, R. L. Desjardins, A. Dyk, Joseph Fargione, Max Fellows, Ben Filewod, Margot Hessing‐Lewis, Susantha Jayasundara, William S. Keeton, Timm Kroeger, Tyler J. Lark, Edward Le, Sara M. Leavitt, Marie-Eve LeClerc, Tony C. Lemprière, Juha M. Metsaranta, B.G. McConkey, Eric T. Neilson, Guillaume Peterson St‐Laurent, Danijela Puric-Mladenovic, Sébastien Rodrigue, Raju Soolanayakanahally, S. Spawn, Maria Strack, C. Smyth, Naresh V. Thevathasan, Mihai Voicu, C. A. Williams, Peter B. Woodbury, Devon E. Worth, Zhen Xu, Samantha Yeo, Werner A. Kurz

Notice bibliographique

RevueScience Advances · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaUniversity of VictoriaMcGill UniversityDucks Unlimited CanadaUniversity of British ColumbiaUniversity of GuelphAgriculture and Agri-Food CanadaUniversity of WaterlooUniversity of TorontoCanadian Forest ServiceAssembly of First Nations
Organismes subventionnairesTula FoundationEcho FoundationRoyal Bank of CanadaWilliam and Flora Hewlett FoundationGeorge Cedric Metcalf Charitable Foundation
Mots-clésEnvironmental scienceProductivityGreenhouse gasClimate change mitigationGrasslandBiodiversityEnvironmental resource managementClimate changeEnvironmental protectionNatural resource economicsBusinessEcology

Résumé

récupéré en direct d'OpenAlex

e. Avoided conversion of grassland, avoided peatland disturbance, cover crops, and improved forest management offer the largest mitigation opportunities. The mitigation identified here represents an important potential contribution to the Paris Agreement, such that NCS combined with existing mitigation plans could help Canada to meet or exceed its climate goals.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,341

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,000
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1020,014

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 Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,228 · 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'étudeThéorique ou conceptuel
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

Citations213
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetFire effects on ecosystemsTravaux en français237 207