MétaCan
Menu
Retour à la cohorte
Enregistrement W3186080151

Habitat Recovery in the Salish Sea, One Community at a Time: Community engagement for socio-ecological resilience of coastal restoration projects

2020· article· en· W3186080151 sur OpenAlexaboutno aff
A. M. K. Mohana Rao

Notice bibliographique

RevueWestern CEDAR (Western Washington University) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Restoration ecologyHabitatCommunity resiliencePsychological resilienceGeographyEnvironmental resource managementEcologyEcological resilienceCommunityEnvironmental planningEnvironmental scienceEcosystemBiologyPsychologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Community engagement builds both social and ecological resilience of restoration projects. This is particularly true in coastal areas, which are complex both ecologically and socially. The Salish Sea Nearshore Habitat Recovery Program builds on 20 years of community building towards coastal ecosystem restoration on the south coast of British Columbia, Canada. Funding was obtained by a small non-profit organization for seagrass and marine riparian restoration, and marine debris removal to support forage fish and juvenile salmon habitat recovery. The engagement and involvement of a broad community including Indigenous groups, coastal residents, all levels of government, academics and industry has resulted in the equivalent of tens of thousands of dollars of additional support for restoration works within this program. The broader community is engaged in multiple steps of restoration including site selection, planning and implementation. Recognition of the value of traditional and local knowledge, an investment in bringing people together and ongoing communication have built collective enthusiasm and ownership over the project. Marrying restoration activities with cultural events is increasing ecological literacy and building the resilience of the work. Restoring or establishing connections between parties that do not otherwise work together is a fundamental step towards restoring ecosystems.

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)0,001
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 enseignants0,044
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,063
Tête enseignante GPT0,235
Écart entre enseignants0,172 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWestern CEDAR (Western Washington University)Même sujetCoastal and Marine ManagementTravaux en français237 207