MétaCan
Menu
Retour à la cohorte
Enregistrement W4285187057 · doi:10.1071/wf20177

Preventing wildfires with fire permits in rural Edson, Alberta

2022· article· en· W4285187057 sur OpenAlexaffabout
Tara K. McGee, Ludwig Paul B. Cabling

Notice bibliographique

RevueInternational Journal of Wildland Fire · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWildfire suppressionFire protectionFire regimeFire preventionGeographyEnvironmental planningEnvironmental resource managementRural areaFirefightingEnvironmental protectionEnvironmental scienceEngineeringCivil engineeringEcosystemCartographyEcologyPolitical scienceArchitectural engineering

Résumé

récupéré en direct d'OpenAlex

Background Fire used for agriculture has many benefits, but can cause wildfires if prevention activities are unsuccessful. Aims The aim of this study was to examine fire permit use and safe burning practices by rural residents in the Edson Forest Area, Alberta, Canada. Methods In total, 269 rural landowners completed a mail survey designed to identify how they use fire, their awareness of wildfire risk, fire experience, fire permit use and safe burning practices. Key results Most respondents used fire on their property, and all were aware of the local wildfire risk, but there was little recognition that using fire for agricultural purposes contributes to wildfires in the area. Many respondents were taking steps to prevent a fire from escaping, but some used fire without obtaining a permit. Those who had seen a wildfire in the Edson Forest Area were more likely to take measures to prevent a wildfire from escaping, and more likely to apply for a fire permit. Conclusions This research contributes to knowledge about rural landowners’ fire use, wildfire prevention activities and fire permit use. Implications Future research should confirm how wildfire experience affects fire permit use and safe use of fire by rural residents.

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 enseignants0,103
Score d'incertitude au seuil0,208

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,004
Tête enseignante GPT0,211
Écart entre enseignants0,207 · 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Wildland FireMême sujetFire effects on ecosystemsTravaux en français237 207