MétaCan
Menu
Retour à la cohorte
Enregistrement W1675114865 · doi:10.1016/j.gecco.2015.08.001

Building blocks for a wild animal health business case

2015· article· en· W1675114865 sur OpenAlexaff
Craig Stephen, Patrick Zimmer

Notice bibliographique

RevueGlobal Ecology and Conservation · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensCanadian Science Centre for Human and Animal Health
Organismes subventionnairesU.S. Geological Survey
Mots-clésWildlifePaceValue (mathematics)BusinessOne HealthInvestment (military)Public relationsAnimal healthPlan (archaeology)Public healthMarketingPolitical scienceMedicineGeographyEcologyComputer scienceVeterinary medicineBiologyNursing

Résumé

récupéré en direct d'OpenAlex

Investment in wild animal health has not kept pace with investment in health programs for agriculture or people. Previous arguments of the inherent value of wildlife or the possible public health or economic consequences of fish or terrestrial wildlife diseases have failed to motivate sufficient, sustained funding. Wildlife health programs are often funded on an issue-by-issue basis, most often in response to diseases that have already emerged, rather than being funded to protect and promote the health of wild animals on an ongoing basis. We propose that one explanation for this situation is the lack of business cases that explains the value of wild animal health programs to funders. This paper proposes a set of building blocks that inform the creation of wildlife health business cases. The building blocks are a series of questions derived from a literature review, the experience of directors of two large national wildlife health programs and lessons learned in developing a draft business case for one of those programs. The six building blocks are: (1) Know what you are trying to achieve; (2) Describe your capabilities; (3) Identify factors critical to your success; (4) Describe the value you can bring to supporters; (5) Identify who needs your services and why; and (6) Share the plan.

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)0,049
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,258

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,056
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0120,016
Communication savante0,0190,021
Science ouverte0,0030,011
Intégrité de la recherche0,0130,010
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,059
Tête enseignante GPT0,296
Écart entre enseignants0,237 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Ecology and ConservationMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207