MétaCan
Menu
Retour à la cohorte
Enregistrement W6892381195 · doi:10.5203/0055238

Lake Winnipeg Basin Stewardship Fund - Map of Funded Projects

2017· dataset· en· W6892381195 sur OpenAlexaboutno aff

Notice bibliographique

RevueUMANCEOS · 2017
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStewardship (theology)WildlifeStructural basinWater qualityRecreationGovernment (linguistics)SustainabilityWildlife refuge

Résumé

récupéré en direct d'OpenAlex

The Government of Canada is committed to the long-term sustainability of Canada's lakes and waterways to ensure that there is clean water for all Canadians, both for this, and future, generations. To this end, on August 2nd, 2012, Prime Minister Stephen Harper announced the launch of Phase II of the Lake Winnipeg Basin Initiative (LWBI) with a five-year (2012-2017), $18 million investment through the Action Plan for Clean Water that will focus on improving water quality for people living in the region, as well as for fish and wildlife in and surrounding Lake Winnipeg. The Lake Winnipeg Basin Initiative aims to restore the ecological health of Lake Winnipeg, reduce pollution from sources such as agriculture, industry and wastewater, and improve water quality for fisheries and recreation. The Lake Winnipeg ecosystem supports an annual freshwater fishery of $50 million and a $110 million recreation and tourism industry. In addition, the Government of Canada is also providing support for community based projects through the Lake Winnipeg Basin Stewardship Fund - part of the Lake Winnipeg Basin Initiative and administered through Environment Canada's Lake Winnipeg Basin Office. The fund is cleaning up Lake Winnipeg by providing support to action-oriented water stewardship projects led by communities, conservation authorities, non-profit organizations and academic institutions. The following is a map describing the Lake Winnipeg Basin Stewardship Fund's funded projects at their geographical locations.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,356
Score d'incertitude au seuil0,717

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0080,009
Études des sciences et des technologies0,0040,001
Communication savante0,0070,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1120,028

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 Opus0,086
Tête enseignante GPT0,339
Écart entre enseignants0,253 · 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
GenreJeu de données

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUMANCEOSTravaux en français237 207