MétaCan
Menu
Retour à la cohorte
Enregistrement W4411346161 · doi:10.1139/facets-2024-0278

The future Prairie Pothole Region: scenarios of change

2025· article· en· W4411346161 sur OpenAlexafffundvenue
Donald Selby, Philip A. Loring, Helen M. Baulch

Notice bibliographique

RevueFACETS · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensUniversity of GuelphUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésPothole (geology)GeographyEnvironmental scienceEnvironmental resource managementEnvironmental planningPhysical geographyGeology

Résumé

récupéré en direct d'OpenAlex

Agriculture has driven important changes within the Prairie Pothole Region, for example, with major yield increases in recent decades. Changes are ongoing, with widespread wetland drainage in areas, and evidence of growing rural conflict over drainage and other issues. Research to develop common understandings of change can help address conflict and develop shared vision. Here, we used expert elicitation via a Delphi process to develop scenarios of the future, understand potential trajectories of change, drivers, and effects, and develop boundary objects that can be used in building dialogue. Using a grounded and inductive approach we identified three organizing principles that drove scenarios—future agricultural growth, the future regulatory environment, and climate change. Although six scenarios were developed, only two achieved consensus as credible (i.e., ≥75% indicating this was supported by current understanding of the system and its changes). Both scenarios ( Agriculture as Usual and Unmitigated Climate Change) are typified by limited regulation. All scenarios suggest rural population will continue to decrease (or “decrease or stay the same”; consensus reached in four of six scenarios). Relatively high agreement was also seen for changes in social license to farm, flood risk, wetland extent, and biodiversity, with lesser agreement on economic indicators.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,283
Écart entre enseignants0,260 · 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'étudeSimulation ou modélisation
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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207