Suomessa käytettävät metsäsertifikaatit
Notice bibliographique
Résumé
TIIVISTELMÄ \n \nKYMENLAAKSON AMMATTIKORKEAKOULU \nPuutekniikka \n \nVILANDER, HENRIIKKA\tSuomessa käytettävät metsäsertifikaatit \nOpinnäytetyö\t48 sivua \nTyön ohjaaja\tLehtori Pekka Kuitunen \nToimeksiantaja\tItsenäinen tutkimus \nMaaliskuu 2011 \nAvainsanat\tFSC, PEFC, metsäsertifiointi Suomessa \n \nSuomi on maailman metsistään riippuvaisin maa, ja metsiä käytetään paljon eri tarkoituksiin. Metsätaloudella ja metsäteollisuudella on suuri rooli Suomessa. Jotta metsistä saatava materiaali säilyttäisi laatunsa ja metsät pysyisivät tuottavina, niitä on alettu sertifioida. Suomessa käytetään kahta sertifiointiohjelmaa, PEFC:tä ja FSC:tä, joiden kriteerit kohtaavat osin, mutta poikkeavat jonkin verran toisistaan. Tämän tutkimuksen aiheena on näiden kahden metsäsertifikaatin vertailu. Tavoitteena on selvittää, voiko kriteereiden perusteella väittää toista paremmaksi. \n \nTutkimus on toteutettu itsenäisesti lukemalla aiheeseen liittyviä internetsivustoja, julkaisuja ja kirjallisuutta sekä sähköpostitse toteutetulla haastattelulla asiantuntijoille, jotka edustavat eri näkökantoja sertifikaatteihin. Kysely lähetettiin teollisuuden, etujärjestöjen ja puolueettomien tahojen edustajille. \n \nKriteerien vertailun tuloksena tuli johtopäätös, että FSC on hieman PEFC:tä parempi, sillä siitä jää vakuuttavampi mielikuva. FSC keskittyy enemmän ympäristöasioihin, PEFC tuntuu välillä panostavan enemmän lakien ja säädöksien täyttämiseen. FSC:n kriteerit ovat myös yksityiskohtaisemmat. Molemmat sertifiointiohjelmat koetaan kuitenkin tarpeellisiksi ja hyödyllisiksi ilmastonmuutoksen hillitsemisessä, sillä ne molemmat vastustavat metsäkatoa ja auttavat siten säilyttämään metsät hiilinieluina.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,008 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,305 | 0,685 |
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 ».