MétaCan
Menu
Retour à la cohorte
Enregistrement W4206574901 · doi:10.3390/su14010373

Evaluating the Efficacy of Sustainability Initiatives in the Canadian Port Sector

2021· article· en· W4206574901 sur OpenAlexafffundabout
Jennifer L. MacNeil, Michelle Adams, Tony R. ‎Walker

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMaritime Ports and Logistics
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSustainabilityPort (circuit theory)Context (archaeology)Environmental resource managementBusinessSustainable developmentEnvironmental planningEnvironmental impact assessmentResource (disambiguation)EngineeringGeographyEconomicsPolitical scienceEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

Maritime ports are critical nodes in the Canadian resource-based economy that can have significant environmental impacts near coastal communities and marine ecosystems. To address these impacts, Canadian Port Authorities (CPAs) assess their environmental performance using the Green Marine Environmental Program (GMEP). Reliance on this program necessitates its evaluation as an effective initiative to address sustainability in its broader context. An analysis was performed to identify links between United Nations Sustainable Development Goals (UN SDG) targets relevant to the Canadian Port Sector and GMEP performance indicators. Results indicate that there are significant gaps in the GMEP, with only 14 of 36 relevant SDG targets directly linked to the program. Findings suggest either an expansion of the GMEP to incorporate these broader sustainability goals, or the development and inclusion of a new framework for CPAs to bridge gaps between the GMEP and SDG targets to improve sustainability in their maritime port operations.

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)0,034
score de la tête « metaresearch » (Gemma)0,078
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,899

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,078
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0070,004
Communication savante0,0060,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,322
Écart entre enseignants0,290 · 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

Citations18
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetMaritime Ports and LogisticsTravaux en français237 207