MétaCan
Menu
Retour à la cohorte
Enregistrement W1964016916 · doi:10.1371/journal.pone.0000444

Economic Inequality Predicts Biodiversity Loss

2007· article· en· W1964016916 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePLoS ONE · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésBiodiversityInequalityEconomic inequalitySocioeconomic statusEconomicsThreatened speciesPer capitaPopulationGini coefficientNatural resource economicsSocioeconomicsDevelopment economicsDemographic economicsPublic economicsEcologyBiologyEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

Human activity is causing high rates of biodiversity loss. Yet, surprisingly little is known about the extent to which socioeconomic factors exacerbate or ameliorate our impacts on biological diversity. One such factor, economic inequality, has been shown to affect public health, and has been linked to environmental problems in general. We tested how strongly economic inequality is related to biodiversity loss in particular. We found that among countries, and among US states, the number of species that are threatened or declining increases substantially with the Gini ratio of income inequality. At both levels of analysis, the connection between income inequality and biodiversity loss persists after controlling for biophysical conditions, human population size, and per capita GDP or income. Future research should explore potential mechanisms behind this equality-biodiversity relationship. Our results suggest that economic reforms would go hand in hand with, if not serving as a prerequisite for, effective conservation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,011

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 Opus0,174
Tête enseignante GPT0,206
Écart entre enseignants0,032 · 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