MétaCan
Menu
Retour à la cohorte
Enregistrement W1802985117 · doi:10.1111/j.1469-1795.2012.00550.x

Funding nature conservation: who pays?

2012· article· en· W1802985117 sur OpenAlexaff
Darren M. Evans, Lian Pin Koh, Colin A. Chapman, Res Altwegg, Trenton W. J. Garner, Matthew E. Gompper, Iain J. Gordon, Todd E. Katzner, Nathalie Pettorelli

Notice bibliographique

RevueAnimal Conservation · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

[Extract] At the Convention on Biological Diversity (CBD) meeting in Nagoya in October 2010, the world's governments signed up to an encouragingly ambitious set of conservation targets. These included protecting 17% of the world's land surface and 10% of the oceans by 2020. The meeting also achieved its three inter- linked goals: the adoption of a new 10-year Strategic Plan (CBD, 2011); a Resource Mobilization Strategy to increase development assistance in support of biodiversity; and a new international protocol on access to and sharing of the benefits from the use of the planet's genetic resources. To achieve these goals, governments must substantially increase their contributions towards biodiversity conservation. With the current global financial crisis, this will be a huge challenge. Many poorer countries have already indicated a lack of resources to implement the CBD targets (see below). In addition, many governments are already committed to raising $100 billion (USD) per year for climate change by 2020, and may not be able to afford additional investment that supports biodiversity conservation. In response to the existing financial challenges, budgetary decisions on how to pay via the Resource Mobilization Strategy were deferred until 2012. Efforts are currently under way by the CBD Secretariat to document current expenditures on biodiversity conservation worldwide, and to cost out what it would take to implement the Strategic 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)0,019
score de la tête « metaresearch » (Gemma)0,054
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0070,011
Communication savante0,0290,016
Science ouverte0,0020,008
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0260,004

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 Opus0,024
Tête enseignante GPT0,232
Écart entre enseignants0,209 · 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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal ConservationMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207