MétaCan
Menu
Retour à la cohorte
Enregistrement W4250212989 · doi:10.32920/ryerson.14639958.v1

Republic of Moldova National Land Degradation Neutrality Targets

2021· preprint· en· W4250212989 sur OpenAlexaff
M. Daradur, V. Cazac, lu Mosoi, T. Leah, Richard Ross Shaker, V. Josu, I Talmaci

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Agricultural Systems Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésLand degradationDesertificationSustainable land managementEnvironmental resource managementBusinessEnvironmental planningSustainabilityNeutralityLand managementCitizen journalismProcess (computing)Land useEnvironmental economicsGeographyPolitical scienceEconomicsComputer scienceCivil engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The overall goal of this document is to present the results of downscaling the SDGs target 15.3 “By 2030, combat desertification, restore degraded land and soil, including land affected by desertification, drought and floods, and strive to achieve a land-degradation-neutral world” and to contribute to raising awareness and engaging with the key stakeholders and decision makers to create a participatory approach in establishing a resilient framework for land sector sustainability in the Republic of Moldova. The Program, which initiated a wide national consultative process for sustainable land management, was an opportunity to analyze the current land resource use/planning and prioritizing actions with regard to scientific and technical data, capacity building, resources, awareness raising, needs in terms of policy coherence and coordination to ensure an effective implementation and strengthen UNCCD reporting process in the Republic of Moldova. Based on the systems design approach and supported by the comprehensive biophysical baseline information, the Program is a critical input for developing national land sector related policy initiatives.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,122
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,016
Tête enseignante GPT0,239
Écart entre enseignants0,223 · 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.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSustainable Agricultural Systems AnalysisTravaux en français237 207