MétaCan
Menu
← Retour à la cohorte

Du rendement soutenu à l'aménagement forestier durable : Quelle gouvernance pour le Québec ?

2016· dissertation· W7147059498 sur OpenAlexaboutno aff
Ibrahima Gassama

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction system (computer science)

Résumé

récupéré en direct d'OpenAlex

Cette thèse est une exploration pour rendre opérationnel le concept d'aménagement forestier durable, en dépassant les perspectives proposées par le rendement soutenu. Dans ce cadre, la démarche n'est pas de calculer l'évolution de la production des volumes de bois pour en garantir un flux constant, mais bien la définition, par la diversité des acteurs, de la cohérence dans le développement d'une diversité d'activités forestières. Cette démarche nécessite non seulement un éclairage associé à la connaissance experte, mais aussi à la connaissance provenant des acteurs des activités forestières et des acteurs de la gouvernance pour comprendre les effets de tels développements sur le territoire. La réalité, sur le terrain montre que la préoccupation des acteurs du milieu forestier va au-delà de la préservation des volumes de bois.Ainsi, la durabilité forestière englobe d’autres valeurs et usages non ligneuses et non monétaires. Une évaluation de ces autres valeurs ne saurait se faire sans la création d’une démarche participative dont la finalité est de construire les préférences par les acteurs eux-mêmes. Ainsi, l’aménagement forestier durable devient un problème de choix social afin d’identifier les formes d’aménagement acceptables par les acteurs du territoire. Cette recherche s’attèlera à ressortir ces préférences sociétales sur le territoire pilote du Saguenay-Lac-Saint-Jean par une démarche délibérative et des outils multimédias de la médiation des connaissances.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,162

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 technologies0,0050,003
Communication savante0,0050,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,001

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 Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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'étudeQualitatif
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Sciences and Governance→Travaux en français237 207→