MétaCan
Menu
Retour à la cohorte
Enregistrement W411575363 · doi:10.17528/cifor/002519

Riches of the forest: food, spices, crafts and resins of Asia [Japanese]

2008· book· en· W411575363 sur OpenAlexfundno aff
Charles D. Lopez, Patrícia Shanley, eds.

Notice bibliographique

RevueCenter for International Forestry Research (CIFOR) eBooks · 2008
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueRangeland Management and Livestock Ecology
Établissements canadiensnon disponible
Organismes subventionnairesFP7 International CooperationInternational Fund for Agricultural DevelopmentConsortium of International Agricultural Research CentersCentre de Coopération Internationale en Recherche Agronomique pour le DéveloppementBundesministerium für Wirtschaftliche Zusammenarbeit und EntwicklungEuropean CommissionOverseas Development InstituteInternational Development Research CentreTinker FoundationNature ConservancyInstitut Alam Sekitar dan Pembangunan, Universiti Kebangsaan MalaysiaInternational Tropical Timber OrganizationMargot Marsh Biodiversity FoundationDepartment for International DevelopmentUnited Nations Educational, Scientific and Cultural OrganizationJohn D. and Catherine T. MacArthur Foundation
Mots-clésForestryPulp and paper industryFood scienceTraditional medicineBusinessGeographyChemistryEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

This book contains 20 case studies that explain how a selection of forest resources featuring forest plans, animals and fungi are harvested, processed and traded. The botanical cases are presented according to the main part of the plant being used - the fruit, bark or resin. Sometimes the plants have multiple uses, or different cultures may use the same part of a particular plant in different ways. Animals and animal products that require forest habitat are also critical for rural livelihoods, and are represented in this volume by edible bird's nests and insect larvae. In each case, the book describes the main characteristics of the forest product, its historical usage, harvesting and management, and how it is processed and traded. In closing, each author comments briefly on trends and current issues regarding the resource. The final chapter reviews common themes and lessons that can be drawn from these cases.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,799

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,292
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCenter for International Forestry Research (CIFOR) eBooksMême sujetRangeland Management and Livestock EcologyTravaux en français237 207