MétaCan
Menu
← Retour à la cohorte
Enregistrement W7098364858

Carbon Sequestration: a Potential Source of Income for Farmers

2015· article· en· W7098364858 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHistorical and Cultural Archaeology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTonneGreenhouse gasCarbon dioxideClimate changeCarbon dioxide equivalentAtmosphere (unit)Global warmingAtmospheric emissions
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Concerns regarding climate changes due to human activities have largely increased in the past few years. Many scientists believe that atmospheric build-up of greenhouse gas1 (GHG) concentrations is causing the climate to change (IPCC, 2007a,b). Furthermore, a large number of scientists assert that continuing levels of GHG emissions will lead to substantial future climate change. Carbon dioxide is the largest of the GHGs in both emissions and concentration (Butt and McCarl, 2005, IPCC, 2007c). Reducing net carbon dioxide emissions to the atmosphere is increasingly being considered as a way of addressing the climate change problem. International efforts to stabilize the atmospheric concentration of GHGs resulted in a 1997 treaty, the Kyoto Protocol, which was developed with the involvement of over 160 countries, including the U.S. (Butt and McCarl, 2005). In the Kyoto Protocol, the developed countries (like the U.S., U.K. and Canada) agreed to limit their GHG emissions, rolling back to below the levels emitted in 1990. U.S. emissions are about six billion metric tons (tonnes) of carbon dioxide plus about 1 million more carbon dioxide-equivalent (CO2e) in other gasses. Within the Kyoto Protocol, the U.S. emissions were to be reduced to seven percent below 1990 levels by 2008-2012, which given projected emissions growth would have required scaling back emissions by 30 to 40 percent of what would have occurred in the 2008-2012 time period or 2.1 to 2.8 billion tonnes of CO2e.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,006

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 Opus0,044
Tête enseignante GPT0,304
Écart entre enseignants0,260 · 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'étudeSans objet
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHistorical and Cultural Archaeology Studies→Travaux en français237 207→