MétaCan
Menu
Retour à la cohorte
Enregistrement W7019208670

Évaluation des politiques en vue d’améliorer la qualité de l’eau dans les paysages agricoles

2019· other· fr· W7019208670 sur OpenAlexaboutno aff

Notice bibliographique

RevueBrock University Digital Repository (Brock University) · 2019
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionFusible alloyTSG101HyporeflexiaLiquationGestational period
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’Île-du-Prince-Édouard (Î.-P.-É.) présente une dépendance écologique et économique unique envers la qualité de l’eau, qui est affectée directement par les systèmes agricoles. Les résidents de l’île tirent leur eau potable uniquement de l’eau souterraine, et cette dernière contribue à hauteur d’environ 70 % aux eaux de surface comme les ruisseaux, les rivières et les estuaires. La dépendance des écosystèmes et des résidents de l’Î.-P.-É. envers la qualité de l’eau souterraine coexiste avec un secteur agricole intensif qui revêt une grande importance pour l’économie de la province. La pomme de terre est cultivée sur plus de 40 % des 1,4 million d’acres (567 000 hectares) de terres cultivables, et cette denrée génère plus de 75 % des recettes totales provenant de cette terre cultivée. Le recours massif à l’azote pour produire ces cultures à valeur élevée sur les sols sablonneux de l’Î.-P.-É. a entraîné une importante contamination de l’eau souterraine par le nitrate. Bien que le problème des nitrates excessifs et de la qualité de l’eau ait incité des hydrogéologues et des agronomes à étudier l’impact des pratiques de gestion du territoire agricole sur les lixiviats de nitrate au moyen de techniques de modélisation hydrologique, les chercheurs ont effectué peu d’analyses économiques sur les meilleures pratiques de gestion visant à aborder le problème

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)0,006
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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'étudeObservationnel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrock University Digital Repository (Brock University)Travaux en français237 207