MétaCan
Menu
Retour à la cohorte
Enregistrement W4393776218 · doi:10.5281/zenodo.3690046

National Forestry Database - Base de données nationales des forêts - Canada

2019· dataset· en· W4393776218 sur OpenAlexaffabout
Canadian Council Of Forest Ministers-Conseil Canadien Des Ministres Des Forêts

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésForestryDatabaseGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

le français suit National Forestry Database Overview: The principal role of the National Forestry Database (NFD, http://nfdp.ccfm.org/en/index.php) is to collect and compile national forest data and forest management statistics. The NFD serves as Canada’s credible, accurate, and reliable source of national information on forest management and its impact on the forest resource. Mandated through the Canadian Council of Forest Ministers (CCFM), a partnership composed of fourteen federal, provincial and territorial ministers, the Canadian Forest Service (CFS) at Natural Resources Canada developed and maintains the NFD database and has responsibility for disseminating national forestry statistics. With the guiding support of CCFM members, the CFS collects data from provincial or territorial resource management organisations. Federal land data are provided by the responsible federal departments and compiled by the CFS. Provincial, territorial and federal government partners have a long history of collaboration with sharing data to help demonstrate Canada’s commitment to sustainable forest management. NFD collaborators from 10 provinces, 2 territories and the federal government (Natural Resources Canada's Canadian Forest Service) continue to work toward common objectives: -find a common standard for data collection, compilation, analysis, reporting and dissemination of information and knowledge; -identify priorities for improved data collection, compilation, analysis and reporting; -promote standardization of measurement and terminology, to improve the quality and utility of forestry data; -promote liaison and dialogue with organizations engaged in the collection of forestry data for the purpose of improving the accuracy and efficiency of reporting forestry statistics; and -make information publicly available that provides a comprehensive and objective view of the issues and options faced by the forest sector. Questions specific to local provincial/territorial data and data collection/reporting procedures can be directed to the provincial and territorial governments. Please refer to the National Forestry Database Website for specific contacts (http://nfdp.ccfm.org/en/collaborators.php). The NFD respects Canada’s official languages and is committed to ensuring that all information is available in both English and French. When there is no obligation to provide information in both official languages, content may be available in one official language only, such as in the case of technical documents. ------------------------------------------------------------------------ Aperçu de la base de données nationale sur les forêts: Le rôle principal de la Base de données nationale sur les forêts (BDNF, http://nfdp.ccfm.org/fr/index.php) est de recueillir et de compiler les données forestières nationales et les statistiques de gestion forestière. La BDNF sert de source de données et d’information nationales crédibles, précises, et fiables sur la gestion de la forêt et son impact sur la ressource forestière du Canada. Mandaté par le Conseil canadien des ministres des forêts (CCMF), un partenariat composé de quatorze ministres fédéraux, provinciaux et territoriaux, le Service canadien des forêts (SCF) de Ressources naturelles Canada a élaboré et maintient la base de données et a la responsabilité de diffuser les statistiques forestières nationales. Avec le support des membres du CCMF, le SCF recueille des données auprès des organismes provinciaux ou territoriaux sur leur gestion de ressources forestières. Les données fédérales sont fournies par les ministères fédéraux responsables et sont compilées par le SCF. Nos partenaires des gouvernements provinciaux, territoriaux et fédéral ont une longue histoire de collaboration avec le partage de données pour aider à démonter l’engagement du Canada envers la gestion durable des forêts. Les collaborateurs du BDNF, dix provinces, deux territoires et le gouvernement fédéral (Le Service canadien des forets des Ressources naturelles Canada), continuent de travailler vers des objectifs communs : -trouver une norme commune pour la collecte, la compilation, l'analyse, la communication et la diffusion des informations et des connaissances; -identifier les priorités pour améliorer la collecte, la compilation, l'analyse et la communication des données; - promouvoir la normalisation des mesures et de la terminologie, afin d'améliorer la qualité et l'utilité des données forestières; -promouvoir la liaison et le dialogue avec les organisations engagées dans la collecte de données forestières dans le but d'améliorer l'exactitude et l'efficacité de la communication des statistiques forestières; et -mettre à la disposition du public des informations qui offrent une vue complète et objective des problèmes et des options auxquels le secteur forestier est confronté. Les questions spécifiques aux données locales provinciales / territoriales et aux procédures de collecte / déclaration de données peuvent être adressées aux gouvernements provinciaux et territoriaux. Veuillez consulter le site Web de la base de données nationale sur les forêts pour des contacts spécifiques (http://nfdp.ccfm.org/fr/collaborators.php). La BDNF respecte les langues officielles canadiennes et s'engage à faire en sorte que tous les renseignements soient disponibles en anglais et en français. Lorsqu'il n'y a aucune obligation de fournir des informations dans les deux langues officielles, le contenu peut être disponible dans une seule langue officielle, comme dans le cas des documents techniques.

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)0,007
score de la tête « metaresearch » (Gemma)0,042
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,042
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0210,039
Études des sciences et des technologies0,0060,001
Communication savante0,0130,006
Science ouverte0,0050,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0860,068

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 Opus0,062
Tête enseignante GPT0,224
Écart entre enseignants0,162 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetForest Ecology and Biodiversity StudiesTravaux en français237 207