Trends in Coupled Human-Environment Systems Modelling: A Scoping Review
Notice bibliographique
Résumé
Abstract Classical environmental models assume the influence of humans on environmental systems is constant. However, human and environmental systems respond to one another. As such, coupled human-environment systems (CHES) models have been developed and are becoming more widely studied. In this review, we analyze CHES modelling techniques and study systems over a decade (May 2009-April 2019). We utilized the PRISMA method to filter publications from both Web of Knowledge and PUBMED, yielding 92 relevant papers for our review. Publications more than doubled from the 5-year interval May 2009-December 2013 (28/92) to the 5-year interval January 2014-April 2019 (64/92). CHES models typically used either differential equations (DEs) (44/92) or agent-based models (ABMs) (28/92). We organized the included literature with respect to the technique used to represent human behaviour. We noticed a diversity of approaches in this respect, but primarily optimization techniques (28/92) and game theory (34/92). We noticed a substantial increase in publications using more highly structured models in the second 5-year interval. We attribute this to reduced technological barriers to developing more detailed models, and greater data availability. We discuss the realism of the models and their ability to capture real-world dynamics. Finally, we explore avenues for future research, and discuss unconventional routes such as online communities and artificial intelligence modelling to expand representation of human behaviour in CHES models.
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».