MétaCan
Menu
Retour à la cohorte
Enregistrement W2010583596 · doi:10.1890/120189

Variability in ecosystem service measurement: a pollination service case study

2013· review· en· W2010583596 sur OpenAlexaff
Kate Liss, Matthew G. E. Mitchell, Graham K. MacDonald, Shauna L. Mahajan, Josée Méthot, Aerin L. Jacob, Dorothy Y. Maguire, Geneviève S. Metson, Carly D. Ziter, Karine Dancose, Kyle T. Martins, Marta Terrado, Elena M. Bennett

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2013
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesPollinationVariety (cybernetics)Identification (biology)Consistency (knowledge bases)Service (business)Selection (genetic algorithm)EcosystemEnvironmental resource managementComputer scienceVariation (astronomy)Data scienceEcologyEnvironmental scienceBusinessBiologyMarketing

Résumé

récupéré en direct d'OpenAlex

Research quantifying ecosystem services (ES) – collectively, the benefits that society obtains from ecosystems –is rapidly increasing. Despite the seemingly straightforward definition, a wide variety of methods are used to measure ES. This methodological variability has largely been ignored, and standard protocols to select measures that capture ES provision have yet to be established. Furthermore, most published papers do not include explicit definitions of individual ES. We surveyed the literature on pollination ES to assess the range of measurement approaches, focusing on three essential steps: (1) definition of the ES, (2) identification of components contributing to ES delivery, and (3) selection of metrics to represent these components. We found considerable variation in how pollination as an ES – a relatively well‐defined service – is measured. We discuss potential causes of this variability and provide suggestions to address this issue. Consistency in ES measurement, or a clear explanation of selected definitions and metrics, is critical to facilitate comparisons among studies and inform ecosystem management.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,229
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207