MétaCan
Menu
Retour à la cohorte
Enregistrement W7008804680

Dealing with conflict: Natural resources and dispute resolution

2016· other· en· W7008804680 sur OpenAlexaboutno aff

Notice bibliographique

RevueVTechWorks (Virginia Tech) · 2016
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipNatural resourceSustainable developmentDispute resolutionOrder (exchange)Conflict resolutionResource (disambiguation)Resource management (computing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Conflicts over natural resources are becoming more frequent due to increasing populations, the clash between different value systems, and the greater economic and environmental demands on finite resources. The dynamics of conflict are complex as a result of interacting factors related to the parties involved, the nature of the resource, and the stage of development of the conflict. Where people are denied access to resources or are continually marginalised from resource-planning processes, disputes may escalate to civil strife. While the underlying causes of conflict may be clear, there is an urgent need for practical methods to address and resolve conflict. Mechanisms are required to promote understanding and cooperation of an increasing number of stakeholders, especially if resources are to be sustained to support present and future generations. The International Model Forest Network (IMFN) programme is one example of a multi-stakeholder approach in conflict prevention and resolution at the landscape level of resource management. The 'model forest' is essentially an experiment in partnership building. The programme is briefly described. It started in Canada in 1991 in order to address the challenges of sustainable forest management while taking into consideration economic, environmental, social and cultural needs, and was expanded a year later (at the 1992 UNCED Earth Summit) to include model forest initiatives in Mexico and the Russian Far East. The USA has recently joined the network. (CAB Abstract)

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)0,015
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0090,021
Communication savante0,0210,016
Science ouverte0,0030,010
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0340,007

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 Opus0,007
Tête enseignante GPT0,235
Écart entre enseignants0,228 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVTechWorks (Virginia Tech)Travaux en français237 207