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
This database contains key parameters and variables from the 2019 Scenathon run by the Food, Agriculture, Biodiversity, Land-Use, and Energy (FABLE) Consortium. A scenathon - a scenario marathon - is a multi-objective challenge that allows a decentralized global modeling approach with multiple models developed by different teams in the world at national and regional scales and a methodology to link them, ensuring international trade consistency and tracking collective progress towards the achievement of global sustainability targets. The Scenathon 2019 database includes results at the global, country, and rest of the world region levels for indicators related to food and nutrition security, land and biodiversity, GHG emissions from agriculture and land use change, and agricultural input use. It also includes key parameters that can be used to explain the results, such as the evolution of productivity and all supply and use balance items at the commodity level. It is possible to visualise some of the key results on the Scenathon dashboard. Scope of the 2019 database: Pathways: The Current Trends (CT) pathway reflects a low-ambition future shaped by existing policies. Countries and regions: Argentina, Australia, Brazil, Canada, China, Colombia, Ethiopia, Finland, Germany, India, Indonesia, Malaysia, Mexico, Russia, Rwanda, Sweden, South Africa, the UK, and the United States and Rest of America, Rest of Asia, Rest of Central Asia, Rest of European Union, Rest of Middle East, Rest of non-European Union, Rest of Pacific. Time: 2000-2050, results are provided for each five-year-time step. Trade adjustment: results are provided before and after the trade adjustment; the total imports are balanced. The readme worksheet provides all the relevant information on the indicators and definitions of acronyms used in the database.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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