Ocean Calamities: Hyped Litany or Legitimate Concern?
Notice bibliographique
Résumé
Conservation scientists have expressed concern that impending marine extinctions are often overlooked (Dulvy et al. 2003) and that, by the time enough data are collected to justify protection, it is too late (Taylor and Gerrodette 1993). For potentially major and difficult-to-reverse threats, there is far greater risk in failing to detect existent impacts than in having detected nonexistent impacts (Dayton 1998, Oreskes and Conway 2014). In stark contrast, Duarte and colleagues (2015) argue that, by exaggerating the significance of small, regional problems and “perpetuating the perception of ocean calamities in the absence of robust evidence,” scientists and the media present an “overly negative message” that is “driving society into pessimism.” In other words, Duarte and colleagues claim that things are better off than most people think. They identify a handful of environmental issues in the oceans (e.g., the depletion of fish stocks, jellyfish blooms, harmful algal blooms, and hypoxia), label them “calamities” and “plagues” (terms uncommon to the scientific literature), and explain why each issue should or should not be a focus of public and scientific concern. They create a three-part typology for identifying “calamities”—anthropogenic cause, spread to global scale, and severe disruption to marine social–ecological systems—and then present cases that suggest “strong,” “medium,” or “weak” evidence for each. Overfishing, for instance, is a “calamity” for which the authors concede strong evidence in all three categories. In contrast, they suggest that other ocean problems (e.g., hypoxia, jellyfish blooms, the decline of calcifiers due to ocean acidification) present “weak” to “medium” evidence and suggest that these “calamities” are a byproduct of an increased ability to detect change or a misinterpretation of short-term data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,057 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,019 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».