MétaCan
Menu
Retour à la cohorte
Enregistrement W4393044205 · doi:10.1111/epp.12988

Horizon scanning: Tools to identify emerging threats to plant health in a changing world

2024· article· en· W4393044205 sur OpenAlexaff
Andréas Antoniou, M. Abergel, Antigoni Akrivou, Tim Beale, Roger Day, Hannah Fielder, M. Larenaudie, Alan MacLeod, Rosace Maria Chiara, Evgenia Sarakatsani, Joseph R. Stinziano, Anna Szyniszewska, M. Suffert, Sara Tramontini

Notice bibliographique

RevueEPPO Bulletin · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesEnergy Policy and Planning Office
Mots-clésFutures studiesScope (computer science)Context (archaeology)Warning systemClimate changeEnvironmental resource managementProcess (computing)Emerging technologiesData scienceEnvironmental planningBusinessPolitical scienceRisk analysis (engineering)Computer scienceGeographyEcologyBiologyEnvironmental scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract In the context of risk analysis, horizon scanning activity is a necessary component of any foresight process. This applies also to the specific context of biological invasions, supported and accelerated by climate change and global trade. Today, various institutions and research centres are equipped with a set of tools and methods for early warning on emerging threats. In the case of plant pests, web signals, trade data, community science data and sentinel plants are important sources of information, then analysed and elaborated through multicriteria approaches. The scope of this paper is to provide an overview of current practices, highlighting strengths and shortcomings, and to inform future research and policy initiatives about opportunities to address global change in this field.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,013
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,023
Tête enseignante GPT0,299
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'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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEPPO BulletinMême sujetForest Insect Ecology and ManagementTravaux en français237 207