MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417383439 · doi:10.5040/9798881836566

Making America’s Public Lands

2022· book· W4417383439 sur OpenAlexaboutno aff
Sowards Adam

Notice bibliographique

Revuenon disponible
Typebook
Langue
DomaineEnvironmental Science
ThématiqueAmerican Environmental and Regional History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWildernessNational parkVisionGovernment (linguistics)Wilderness areaWildlifeEnvironmental historyQuarter (Canadian coin)Wildlife refuge

Résumé

récupéré en direct d'OpenAlex

In the United States, the federal government owns more than a quarter of the nation’s landscape—nearly 640 million acres; or more than a million square miles, which, if consolidated, would make it the tenth largest nation on earth. Primarily managed by four federal agencies—the Bureau of Land Management, the U.S. Forest Service, the U.S. Fish and Wildlife Service, and the National Park Service—American public lands have been central to developing the American economy, state, and identity. The history of these lands intersects with critical components of the American past—namely nature, politics, and economics. From the beginning, the concept of “public” has been the subject of controversy, from visions of homesteaders realizing the ideal of the Jeffersonian republic to western ranchers who use the open range to promote a free enterprise system, to wilderness activists who see these lands as wild places, free from human encumbrance. Environmental historian Adam Sowards synthesizes public lands history from the beginning of the republic to recent controversies. Since public lands are located everywhere, including iconic national parks like Yellowstone or the Grand Canyon, Americans at large have a stake in these lands. They are, after all, ours. In a real sense, this book is for those citizens who camp in the national forests, drive through the national parks, or admire distant wilderness landscapes. These readers will gain a greater appreciation for the long and complex history of the range of these places.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,007
Communication savante0,0160,014
Science ouverte0,0010,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0400,007

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 Opus0,029
Tête enseignante GPT0,223
Écart entre enseignants0,193 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAmerican Environmental and Regional History→Travaux en français237 207→