MétaCan
Menu

Notice bibliographique

RevueeYLS (Yale Law School) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWater Resources and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousCorporate governanceWork (physics)State (computer science)Traditional knowledgeIndigenous rightsQuality (philosophy)

Résumé

récupéré en direct d'OpenAlex

Human relationships with the Great Lakes Basin Ecosystem were regulated by various treaties and governance systems for thousands of years prior to European colonization. During these millennia, the waters and surrounding lands of the region were maintained in a healthy state that provided a wealth of benefits to all human and non-human inhabitants. During the relatively short period since colonization, the ecosystem has suffered extensive degradation, with indigenous peoples suffering a disproportionate level of health and economic impacts as a result. Binational agreements such as the Great Lakes Water Quality Agreement between the United States and Canada have for decades been concerned with maintaining and restoring the water quality of the region, but have only recently come to recognize the importance of indigenous rights, responsibilities and knowledge with respect to the area. This recognition is welcome and long overdue, but continues to fall short of respecting an indigenous voice on a nation-to-nation basis. In order for indigenous perspectives to be meaningfully applied to the protection of Great Lakes waters, indigenous peoples must be afforded the opportunity to work collaboratively with other interests on Great Lakes protection initiatives from their inception, rather than trying repeatedly - and often ineffectively - to provide mere “input” into existing non-indigenous frameworks. A summary of indigenous concerns with respect to the Great Lakes environment is offered as a starting point for discussion around the development of a more meaningful collaboration.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,707
Score d'incertitude au seuil0,584

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0150,013
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,232
Écart entre enseignants0,219 · 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'étudeQualitatif
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'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetWater Resources and GovernanceTravaux en français237 207