INTAROS Community-based Monitoring Experience Exchange Workshop Report, Fairbanks, Alaska, May 10, 2017.
Notice bibliographique
Résumé
The workshop “Engaging Community-based Monitoring in Decision-Making and Assessment” was held May 10, 2017, in Fairbanks, Alaska. It offered an opportunity for practitioners of community-based monitoring (CBM) and observing programs to come together to exchange experiences and perspectives. Representatives from 10 CBM programs from Alaska and Canada were in attendance. Additional participants included researchers and government officials currently involved in CBM. The workshop was held at the University of Alaska Fairbanks International Arctic Research Center (IARC) as part of the Week of the Arctic activities that concluded the U.S. Arctic Council Chairmanship. Representatives from Arctic Council Working Groups, Alaska and US agencies, and the public were invited to a two-hour dialogue immediately following the workshop focusing on the use of CBM in decision-making and assessment. The workshop concluded that there are many excellent CBM programs in Alaska and beyond. They are actively documenting observations of a wide range of phenomena. While much progress has been made in this field, additional coordination and investment is needed. This can facilitate the ability of CBM programs to contribute relevant data and information in order to address the climate crisis that Alaska Native peoples are experiencing. Continued work and engagement is required to further develop responsive CBM programs in the Arctic. CBM programs are critical to support Alaska Native peoples in building a sustainable future that preserves culture and community. The proceedings describe the discussions at the workshop and dialogue and it outlines some of the good practices and needs that were identified.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».