MétaCan
Menu
Retour à la cohorte
Enregistrement W4284975820 · doi:10.4000/vertigo.36114

Le Coefficient de Biotope par Surface adapté sous l’angle des mutations spatiales des friches bruxelloises (Belgique)

2022· article· fr· W4284975820 sur OpenAlexvenueno aff
Fiorella Quadu

Notice bibliographique

RevueVertigO · 2022
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesForestryGeographyPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article suggère des pistes d’amélioration des outils de Coefficients de biotope par surface bruxellois (CBS) afin de prendre en compte lors de l’urbanisation des friches urbaines leurs principales caractéristiques influençant le développement de la biodiversité et son évolution dans l’espace et le temps. Le contexte particulier de la friche urbaine, source de convoitises voire de conflits parfois difficilement réconciliables et pouvant abriter simultanément des habitats semi-naturels différents, fournit un terrain d’expérimentation du CBS intéressant pour évaluer son applicabilité dans les projets d’urbanisation. Les travaux se basent à la fois sur une revue de littérature et sur des cas appliqués. L’article permet de dégager des facteurs potentiels de pondération complémentaires à ceux attribués dans les outils CBS bruxellois. Ils sont distingués en facteurs dits « majeurs » indispensables au développement de la biodiversité d’une friche urbaine (le sol et l’eau) et en facteurs dits « mineurs » nécessaires pour décrire l’état et la dynamique élémentaire de la biodiversité d’une friche urbaine (la superficie, l’âge, l’environnement, la gestion, la couverture du sol). Il met en évidence l’importance relative des combinaisons de facteurs capables de simplifier le calcul du CBS ainsi que la nécessité de disposer de valeurs et d’unités spatiales de référence.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,214
Écart entre enseignants0,197 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetLand Use and Ecosystem ServicesTravaux en français237 207