A Bayesian inference-based model for evaluating the effect of ecological education in the process of study tour activities in national parks
Notice bibliographique
Résumé
In recent years, the development of study activities is in full swing.In order to study the eco-education effect in national park study activities, this paper introduces Bayesian network and constructs an ecoeducation effect assessment model based on Bayesian inference.In the comparison of the absolute error of the assessment value with other assessment models, the assessment accuracy of the Bayesian inference assessment model in this paper is obtained.After constructing the ecological education effect assessment index system and completing the assignment, the level of ecological education that should be achieved in the national park study activities is obtained through Bayesian inference diagnosis.Finally, according to the results of education effect assessment, the probability of each indicator being in various states is obtained by simulation using Monte Carlo method.The mean absolute error of the Bayesian assessment model is 0.26 points, which is smaller than other comparative assessment models and has the highest assessment accuracy.The model's ecosystem principles, anthropogenic intervention impacts, ecological disasters and ecological protection measures should be guaranteed to reach 75.6, 64.8, 67.9 and 69.4.The ecological operation rules (59.4→79.8),climate change (50.6→70.2),biodiversity reduction (52.2→69.8),and pollution prevention and control (56.4→78.3)have the highest accuracy for the ecosystem principle, anthropogenic intervention impacts, ecological disasters and ecological protection measures, respectively., anthropogenic intervention effects, ecological disasters and ecological conservation measures, and ecological education effects had the greatest impact.The overall score of ecological education effect was 84.1, and the scores of ecosystem principle, human intervention impact, ecological disaster and ecological protection measures were 83.8, 85.2, 83.0 and 84.2.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».