MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404763275 · doi:10.5539/jms.v14n2p97

Spatial Analysis of Sustainable and Agricultural Development in Southern Brazil

2024· article· en· W4404763275 sur OpenAlexvenueno aff
Fernanda Cigainski Lisbinski, Felipe André Oliveira Freitas, Heloísa Lee Burnquist

Notice bibliographique

RevueJournal of Management and Sustainability · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRural Development and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainable developmentAgricultureGeographyAgricultural developmentRegional scienceEnvironmental planningEconomic geographyPolitical scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract This work sought to create and analyze a Sustainable and Agricultural Development Index (SADI) for the municipalities that make up the Southern Region of the country. For this, the methodology used was the factor analysis through the analysis of principal components and, subsequently, the exploratory analysis of spatial data (ESDA) was performed, verifying the distribution of the indicator. The main results revealed that the values found for the indicators showed a medium-low degree, considering that the highest value found was 0.5885 and the others presented values below 0.5. The municipalities with the highest indicators, with the highest degree of sustainable and agricultural development, were Curitiba (PR) (0.5885); Capivari do Sul (RS) (0.4541); and Paranapoema (PR) (0.4536). While the lowest indicators, with a lower degree of sustainable and agricultural development, were: Bombinhas (SC), (0.1843); Governador Celso Ramos (SC) (0.2170); and Matinhos (PR) (0.2172). Regarding the ESDA, it showed strong evidence of a positive and significant spatial correlation between the municipalities analyzed, in addition, there was a high disparity in the sustainable and agricultural development of the municipalities that make up these states.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,003
Tête enseignante GPT0,198
Écart entre enseignants0,196 · 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'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and Sustainability→Même sujetRural Development and Agriculture→Travaux en français237 207→