MétaCan
Menu
Retour à la cohorte
Enregistrement W4281669207 · doi:10.5539/enrr.v12n1p62

The Changes of Farmland by Using Spatial Cluster on the Case of BeiNan Township in Taiwan

2022· article· en· W4281669207 sur OpenAlexvenueno aff
Wen‐Ching Wang, Ya-Ting Chan

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésUrban sprawlDatabase transactionScope (computer science)GeographyCluster analysisRegional scienceDistribution (mathematics)Land useSpatial changeBusinessEconomic geographyAgricultural economicsPhysical geographyEconomicsCivil engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The main objectives of this study are, (1) to investigate the influences of farmland policies on land use patterns and, (2) to examine the changes and statuses of land transactions and farmhouse construction projects and determine the influence of changes in the restrictions of farmland use and farmhouse construction on the trends of farmland transactions and transfers and the locations of farmhouse constructions projects, thereby validating the development trends of farmland and farmhouses. Aspatial analysis was performed to examine the spatial clustering conditions and locations of farmland transactions and farmhouses in Taitung County. Regional analysis was performed by examining local indicators of spatial association (LISA). A year-over-year analysis was performed on the scope and degree of farmhouse clustering within the target area to determine farmland use patterns, distribution statuses, and the impact of annual location change on rural development in the target area. An analysis of the historical land transaction and building change data revealed that "laws and regulations" were the main factors influencing farmland transaction. The density of farmland transactions increased closer to main traffic routes. The findings of this study highlighted rural change and validated urban sprawl.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,646
Score d'incertitude au seuil0,569

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,035
Tête enseignante GPT0,270
Écart entre enseignants0,236 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetRural development and sustainabilityTravaux en français237 207