MétaCan
Menu
Retour à la cohorte
Enregistrement W4408459983 · doi:10.21083/ruralreview.v4i1.6026

Aggregates & Agriculture: Understanding the Impacts of Aggregate Production on Agriculture and Identifying Mitigating Strategies

2020· article· en· W4408459983 sur OpenAlexfundvenueaboutno aff
Jeff Reichheld and Emily Hehl

Notice bibliographique

RevueRural Review Ontario Rural Planning Development and Policy · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Agriculture, Food and Rural AffairsOntario Ministry of Agriculture, Food and Rural Affairs
Mots-clésAgricultureProduction (economics)Aggregate (composite)Natural resource economicsAgricultural productivityEnvironmental scienceBusinessAgricultural economicsEconomicsGeographyMicroeconomicsMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Aggregate extraction is an important economic stimulus for many rural Ontario communities. However, these operations can significantly alter the local landscapes and are often considered a nuisance, especially to local agriculture. Aggregate resources can only be extracted from where they occur, and thus frequently disrupt agricultural production. It is therefore important to understand potential impacts on adjacent and nearby farms. This research investigates the social, environmental, and economic impacts of aggregate extraction on adjacent agricultural activity by examining the perceived relationship between the two industries that are often perceived as existing in conflict. This research also examines land use and policy as they pertain to aggregate extraction activity to understand the potential developmental implications of this relationship. Ultimately, this research is expected to discover strategies for mitigating land use conflicts, as well as to offer strategies for managing the necessary local relationships.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil0,813

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,003
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,272
Écart entre enseignants0,214 · 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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRural Review Ontario Rural Planning Development and PolicyMême sujetAgricultural Economics and PolicyTravaux en français237 207