MétaCan
Menu
Retour à la cohorte
Enregistrement W4388453916 · doi:10.1186/s13595-023-01208-5

Climate-smart forest management caught between a rock and a hard place

2023· article· en· W4388453916 sur OpenAlexaff
Bart Muys, Christian Messier

Notice bibliographique

RevueAnnals of Forest Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFondation Francqui - Stichting
Mots-clésVitalityClimate changeRegretEnvironmental resource managementForest managementSustainable forest managementAdaptation (eye)Global warmingForest degradationGeographyBusinessNatural resource economicsEcologyEnvironmental scienceForestryComputer scienceLand degradationEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Key message The UNFCCC COP 27 in Sharm El-Sheikh confirmed that climate policies too heavily rely on climate mitigation by forests rather than on de-fossilizing the energy system, to keep global warming within the safe 1.5 °C. Reliable mitigation by forests would imply healthy productive forests well adapted to climate change, and this is no longer the case. The current trend in loss of forest vitality shows that the adaptation of forests is urgently needed, but measures are being insufficiently adopted by foresters on the ground. In this letter, we wonder about the reasons for this inaction paralyzing climate-smart forestry and propose a way forward using a diversity-based no-regret approach in line with available knowledge.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,006
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,042
Tête enseignante GPT0,300
Écart entre enseignants0,258 · 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
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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Forest ScienceMême sujetForest Management and PolicyTravaux en français237 207