An Insight from Organizing CLImbing for CLImate GEOspatial School (CLIGEOS-2024) in Mountainous Regions
Notice bibliographique
Résumé
Abstract. This paper delves into the multifaceted experiences and insights garnered from organizing a short-term training programme aimed at professionals, students, academics, and climate enthusiasts. The programme, named CLImbing for CLImate GEOspatial School (CLIGEOS-2024), was a collaborative effort by the International Society of Photogrammetry and Remote Sensing (ISPRS) and ISPRS Student Consortium (ISPRS-SC) alongside Center for space science and geomatics studies (CSSGS) Pashchimanchal campus, Institute of Engineering, Tribhuvan University, Nepal, Universita’ Degli Studi Di Udine, Italy and LJ University, India aimed at addressing environmental challenges, particularly in hill and mountain regions. Despite facing logistical and communication hurdles due to the geographical dispersion of organizing institutions, the event successfully brought together participants with backgrounds in GIS, remote sensing, agriculture, and forestry. The programme was structured to promote participatory learning and project-based learning methodologies, incorporating classroom teaching, hands-on activities, fieldwork, data collection, short projects, quizzes, and evaluation mechanisms. Through a meticulously planned sequence, participants engaged in theoretical lectures, practical sessions on drone technology, industry expert presentations, and a mountain trek to observe climate change phenomena first-hand. Despite challenges related to infrastructure, including limited internet connectivity and access to data, the programme served as a catalyst for raising awareness about climate change and promoting sustainable practices. Key takeaways highlighted the importance of spatial data analysis, interdisciplinary collaboration, and hands-on learning in advancing solutions for sustainable development. The paper concludes with lessons learned from the programme, providing insights for future initiatives aimed at capacity building and knowledge dissemination.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».