MétaCan
Menu
Retour à la cohorte
Enregistrement W7034739557

Understanding Canadian Winegrowers’ Perceptions of Climate Change and Their Implications for Adaptation Behaviors

2019· other· en· W7034739557 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueBrock University Digital Repository (Brock University) · 2019
Typeother
Langueen
DomaineEnvironmental Science
ThématiqueHydrological Forecasting Using AI
Établissements canadiensnon disponible
Organismes subventionnairesBrock University
Mots-clésContext (archaeology)Quality (philosophy)PopulationWork (physics)Limiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Climate change (CC) is currently impacting and will continue to affect the international and the Canadian wine industry in the future. Understanding how Canadian winegrowers perceive CC and address its consequences through adaptation can help support the grape and wine industry in the context of CC. The thesis aimed to understand how winegrowers perceive CC and the ways CC adaptation is occurring throughout Canada. Two studies were conducted in the provinces of Ontario, British Columbia, Québec and Nova Scotia. The first study of this thesis characterizes winegrowers with respect to their environmental values, CC knowledge and beliefs, and their perception of the consequences of CC on their winegrowing operations. The second study describes the present state of CC adaptation in the Canadian wine industry, as well as the adaptation strategies currently used and considered for future implementation to cope with specific weather events associated with CC. This study also investigates the attributes that drive CC adaptation throughout the country. Together, the two studies provide an overview of CC perception and adaptation in the main winegrowing provinces of Canada for the first time in literature. The thesis also contributes to the scholarly literature on CC perception and adaptation by highlighting the drivers that influence winegrowers’ adoption – or lack thereof – of adaptation practices in their operations. It also offers practical information that can be used by stakeholders of the industry to communicate CC information and adopt new practices to address its effects.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,001
Communication savante0,0040,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,050
Tête enseignante GPT0,207
Écart entre enseignants0,157 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueBrock University Digital Repository (Brock University)Même sujetHydrological Forecasting Using AITravaux en français237 207