MétaCan
Menu
Retour à la cohorte
Enregistrement W4322746174 · doi:10.1007/978-3-031-15988-6_1

Ecosystem Management of the Boreal Forest in the Era of Global Change

2023· book-chapter· en· W4322746174 sur OpenAlexaff
Sylvie Gauthier, Timo Kuuluvainen, S. Ellen Macdonald, Ekaterina Shorohova, А. Shvidenko, Annie‐Claude Bélisle, Marie-Andrée Vaillancourt, Alain Leduc, Guillaume Grosbois, Yves Bergeron, Hubert Morin, Miguel Montoro Girona

Notice bibliographique

RevueAdvances in global change research · 2023
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversité du Québec à ChicoutimiMinistère des Ressources naturelles et des ForêtsUniversité du Québec en Abitibi-TémiscamingueUniversité du Québec à MontréalUniversity of AlbertaNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésTaigaBoreal ecosystemBorealEcosystemEnvironmental scienceGlobal changeGeographyEnvironmental resource managementEcologyForest ecologyAgroforestryForestryClimate changeBiology

Résumé

récupéré en direct d'OpenAlex

The boreal forest is a vast biome encompassing approximately one-third (30%) of the world’s forest area. It harbors about half of the world’s remaining natural and near-natural forests and provides important ecological, economic, social, and cultural services and values that benefit human communities (Burton et al., 2010 ; Gauthier et al., 2015a ). Although the diversity of tree species in boreal forests is low relative to that of other biomes, the forests’ structural and compositional variability and the diversity of ecological interaction networks are high (Burton, 2013 ; Isaev, 2012 , 2013 ; Kuuluvainen & Siitonen, 2013 ). The genetic diversity of tree species is generally high with most species being wind pollinated and characterized by large population sizes; this genetic diversity provides a foundation for an adaptive capacity in the face of fluctuating environmental conditions and ongoing climate change (Aitken et al., 2008 ).

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,348
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in global change researchMême sujetFire effects on ecosystemsTravaux en français237 207