MétaCan
Menu
Retour à la cohorte
Enregistrement W4210437595 · doi:10.1177/00307270221077356

Restoring social and ecological relationships in the agroecosystems of Canada's prairie region

2022· article· en· W4210437595 sur OpenAlexaffabout
Joanne R. Thiessen Martens

Notice bibliographique

RevueOutlook on Agriculture · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEnvironmental resource managementSustainabilityThrivingEcosystemTransformative learningEcosystem servicesLand useNovel ecosystemRestoration ecologyAgricultureEcologyEnvironmental planningGeographyEnvironmental scienceSociology

Résumé

récupéré en direct d'OpenAlex

Ecosystem restoration is proposed as one aspect of the transformative changes required to meet global sustainability goals. In the prairie region of Canada, where the widespread and relatively recent conversion of natural ecosystems to farmland displaced Indigenous peoples and made way for a thriving agricultural sector, I propose that ecosystem restoration requires two intertwined transition processes: reorienting worldviews to embrace the social and biophysical contexts of local ecosystems, and taking practical steps to restore ecosystem functioning and integrity. Attention to ecosystem functioning—the relational processes that undergird the desired outcomes—can promote the design and implementation of agricultural landscapes that mimic key features of natural ecosystems while maintaining a mix of land uses. Human ingenuity and thoughtful integration of traditional and scientific knowledge are needed to develop locally adapted land use that supports synergetic relationships within and among farm fields and other landscape features. Integrating social goals into the design of agricultural landscapes can spawn creative solutions but will require a shift toward a more open and collaborative approach, especially regarding the use of privately owned lands.

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)0,001
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 enseignants0,047
Score d'incertitude au seuil0,339

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0190,007
Communication savante0,0040,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,197
Écart entre enseignants0,177 · 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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOutlook on AgricultureMême sujetLand Use and Ecosystem ServicesTravaux en français237 207