Experience of the world's most famous soil information systems. Analytical
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.
Notice bibliographique
Résumé
The review article is devoted to the analysis of the practical experience of famous world centers for the collection of soil information in databases and soil information systems. The article examines the global experience of information provision of soil research and implementation of information technologies for soil resource management. The importance of developing databases of soil parameters and properties using methods standardized and harmonized with international ones is indicated. The main concepts of soil information systems are outlined and their classification by activity levels is given. A set of criteria has been defined that outlines the purpose of creating a soil information system, its structure, the set of data that should be supplied to it, the degree of their availability to users and the degree of applicability in soil management. An overview of the largest soil information systems in the world was conducted, the principles of their construction, functioning and ways of interaction with each other were determined. The largest soil information systems are global GLOSIS (FAO GSP) and WoSIS (ISRIC), regional ESDAC (EU countries), national NASIS (United States of America), CanSIS (Canada) and ASRIS (Australia). They can be considered as the main models for building and configuring the functionality of the national soil information system, which will allow Ukraine to integrate into the international soil data exchange system. The share of our state's participation in international soil information systems and the role of the NSC "ISSAR named after O.N. Sokolovsky" in replenishing the world's soil databases have been determined. The largest number of soil profiles of Ukraine is presented in WoSIS, which receives information about soils from many national and regional databases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle