MétaCan
Menu
Retour à la cohorte
Enregistrement W4377104726 · doi:10.1111/itor.13316

Fifty years of operational research in forestry

2023· article· en· W4377104726 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInternational Transactions in Operational Research · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversity of TorontoUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAgencia Nacional de Investigación y DesarrolloVetenskapsrådet
Mots-clésForestryForest managementCommunity forestryBiodiversityEnvironmental resource managementBusinessService (business)EcoforestryGeographyForest ecologyEcologyIntact forest landscapeEnvironmental scienceEcosystemMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract This paper describes operational research (OR) contributions in forestry over the past 50 years, based on scientific pathways along which the authors have traveled. We draw on our personal experiences and recall how the use of OR in forestry has evolved from the early use of linear programming in the Canadian forest products industry in the 1950s and strategic forest management planning by the U.S. Forest Service in the 1960s. We describe the widespread use of OR in many aspects of forestry over a 50‐year timespan (1970–2020) and to the present day, where climate change and biodiversity challenges and increased data availability are important. The paper covers many areas of forestry, including forest management, natural disturbance processes, tactical and operational harvesting, transportation, and value chain management. Each section in the paper includes a historical description of OR‐based key applications as well as OR‐based model and method developments Additionally, we discuss our perceptions of OR in future use and its importance in forestry.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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 Opus0,137
Tête enseignante GPT0,450
Écart entre enseignants0,314 · 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