MétaCan
Menu
Retour à la cohorte
Enregistrement W4386502454 · doi:10.54097/hset.v64i.11247

A Study on the Severity of Global Light Pollution Based on Comprehensive Evaluation

2023· article· en· W4386502454 sur OpenAlexaboutno aff
Jinping Kuang, Lijun Ren, Qian Wu

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLight pollutionBeijingPollutionGeneralityEnvironmental scienceGeographyIndex (typography)Scale (ratio)Rural areaEnvironmental protectionEnvironmental resource managementEcologyChinaComputer scienceCartography

Résumé

récupéré en direct d'OpenAlex

The widespread use of artificial light at night has improved the quality of human life, but it has also brought about a global light pollution problem with profound and complex ecological, human and economic impacts. To measure the severity of light pollution, a new light pollution risk index was developed in this paper. Three main aspects of light pollution impacts were considered: economic level (EL1), ecological level (EL2) and social level (SL), and six tertiary levels were identified under the secondary evaluation indicators. Then, the light pollution risk indices of these four areas were derived from the model using the Tuvaijuituq Marine Reserve in Canada (protected area), Homer City in USA (rural area), Pinggu District in Beijing (suburban area), and Manhattan City in USA (urban area), and the results were compared with the Bortle dark sky scale to test the accuracy of the model and further demonstrate the generality and validity of the LPRI index.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,300
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,279
Écart entre enseignants0,256 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetImpact of Light on Environment and HealthTravaux en français237 207