MétaCan
Menu
Retour à la cohorte
Enregistrement W4387779032 · doi:10.5539/jgg.v15n2p33

Application of GIS in Land Policy and Planning Strategies in Rural Revitalization

2023· article· en· W4387779032 sur OpenAlexvenueno aff
Tao Jiang

Notice bibliographique

RevueJournal of Geography and Geology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaEnvironmental planningGeographic information systemBusinessSustainable developmentLand-use planningRural areaLand useEnvironmental resource managementEconomic growthRegional scienceGeographyPolitical scienceEconomicsEngineeringCivil engineeringRemote sensing

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been a growing emphasis on reviving rural areas in China, which has become a crucial strategic direction for the nation's economic and social development. Currently, rural revitalization is a major endeavor in China, and the successful implementation of land policy and planning strategies is crucial to its achievement. This study seeks to examine the use of Geographic Information System (GIS) in crafting land policy and planning strategies for rural rejuvenation. By harnessing GIS technology, a thorough evaluation and analysis of rural land resources can be undertaken, furnishing a scientific basis for formulating land policy. Furthermore, Geographical Information Systems (GIS) provide opportunities for spatial analysis, simulation, and decision support capabilities to implement rural land policy and planning strategies. Nevertheless, the use of GIS technology presents challenges and limitations in terms of data acquisition and technological implementation. To promote the sustainable development of the rural economy, future research efforts should concentrate on further enhancing the utilization of GIS technology in rural revitalization.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,003
Communication savante0,0040,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,011
Tête enseignante GPT0,288
Écart entre enseignants0,277 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetRegional Development and EnvironmentTravaux en français237 207