MétaCan
Menu
Retour à la cohorte
Enregistrement W2323245082 · doi:10.1111/cobi.12727

The role of digital data entry in participatory environmental monitoring

2016· review· en· W2323245082 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.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueConservation Biology · 2016
Typereview
Langueen
DomaineSocial Sciences
ThématiqueHuman Mobility and Location-Based Analysis
Établissements canadiensUniversité du Québec à MontréalConcordia UniversityEspace pour la vieUniversity of SaskatchewanUniversité de MontréalUniversity of VictoriaMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesW. Garfield Weston FoundationSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaWildlife Conservation Society
Mots-clésEnvironmental monitoringCitizen journalismEnvironmental planningEnvironmental resource managementBusinessGeographyComputer scienceEnvironmental scienceWorld Wide WebEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Many argue that monitoring conducted exclusively by scientists is insufficient to address ongoing environmental challenges. One solution entails the use of mobile digital devices in participatory monitoring (PM) programs. But how digital data entry affects programs with varying levels of stakeholder participation, from nonscientists collecting field data to nonscientists administering every step of a monitoring program, remains unclear. We reviewed the successes, in terms of management interventions and sustainability, of 107 monitoring programs described in the literature (hereafter programs) and compared these with case studies from our PM experiences in Australia, Canada, Ethiopia, Ghana, Greenland, and Vietnam (hereafter cases). Our literature review showed that participatory programs were less likely to use digital devices, and 2 of our 3 more participatory cases were also slow to adopt digital data entry. Programs that were participatory and used digital devices were more likely to report management actions, which was consistent with cases in Ethiopia, Greenland, and Australia. Programs engaging volunteers were more frequently reported as ongoing, but those involving digital data entry were less often sustained when data collectors were volunteers. For the Vietnamese and Canadian cases, sustainability was undermined by a mismatch in stakeholder objectives. In the Ghanaian case, complex field protocols diminished monitoring sustainability. Innovative technologies attract interest, but the foundation of effective participatory adaptive monitoring depends more on collaboratively defined questions, objectives, conceptual models, and monitoring approaches. When this foundation is built through effective partnerships, digital data entry can enable the collection of more data of higher quality. Without this foundation, or when implemented ineffectively or unnecessarily, digital data entry can be an additional expense that distracts from core monitoring objectives and undermines project sustainability. The appropriate role of digital data entry in PM likely depends more on the context in which it is used and less on the technology itself.

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 candidatesaucune
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 enseignants0,998
Score d'incertitude au seuil0,227

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,155
Tête enseignante GPT0,406
Écart entre enseignants0,251 · 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