Notice bibliographique
Résumé
Significant research on Arctic sea ice trends and the potential for resource development have been well documented and illustrated as drivers for changes to Arctic shipping traffic patterns. There is a strong awareness of the potential risks to the environment such as an oil spill in ice as well as impacts on traditional human activity. Similarly, there is awareness that there will be a demand for increased navigation services such as aids to navigation, charting and emergency response capacity. However, many questions remain about what impact sea ice trends and resource development have had on shipping and accidents. To date, the Arctic Marine Shipping Assessment (AMSA) project has provided a snapshot of Arctic shipping traffic patterns and activity for the year 2004 and suggests a further research opportunity exists to conduct a trend analysis of shipping activity. The AMSA report suggests that “As marine activity continues to expand in the Arctic, statistical trends indicate that the potential risk of vessel mishaps and marine pollution incidents also increases” (Arctic Council, 2009). However, this is not necessarily the case where risks are managed. Accident trends in the Canadian Arctic suggest that safety management, vessel design and navigation experience have had positive impacts and one must look more closely at specific areas of operation, vessel types and activity to identify opportunities to improve risk management including both prevention and response. So the question remains “What can we learn from recent trends in vessel traffic and accident rates to better understand potential navigation impacts in the future?” Using the AMSA Shipping Database (Arctic Council, 2009) and a spatial trend analysis of Canadian Arctic shipping traffic and vessel accident rates covering the period 1987 to 2008, this paper will report on preliminary findings, show where accident rates are increasing and decreasing, provide traffic trends for each Shipping Safety Control Zone, help to dispel a few myths, and possibly confirm other rumours.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».