MétaCan
Menu
Retour à la cohorte
Enregistrement W2528326240 · doi:10.5558/tfc2016-059

A review of applications of the six-step method of systematic conservation planning

2016· review· en· W2528326240 sur OpenAlexaffvenue
Yolanda F. Wiersma, Darren Sleep

Notice bibliographique

RevueThe Forestry Chronicle · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesTechnische Universität MünchenNational Council for Air and Stream Improvement
Mots-clésBest practiceComputer scienceProcess (computing)Systematic reviewKey (lock)Management scienceRisk analysis (engineering)Environmental resource managementBusinessEngineeringEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Systematic Conservation Planning (SCP) is an approach to protected areas planning that follows a step-by-step process. Recent reviews have examined the use of key “biogeographic-concepts”, but an assessment of their use or effectiveness has not been done. We conducted a review of the literature on SCP to assess how the 6-step approach considers these concepts. Most of the 127 papers we reviewed varied in their application of SCP steps. Our findings suggest that protected areas plans are not effectively achieving conservation goals. Only six papers considered data uncertainty. Twenty papers used so-called “data free” conservation targets without clear rationales, and which have been shown to under-represent natural features. The median size of planning units applied (2500 ha) is too small to meet minimum area requirements for many species. We show how an examination of the variation in the ways that SCP is applied helps to identify best practices for achieving conservation effectiveness and efficiency. However, very few SCP efforts have been implemented, making it difficult to assess their effectiveness or efficiency in practice. Detailed examination of how SCP is implemented (perhaps focused on a specific region) can lead to a better understanding of how best to achieve large-scale conservation goals.

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)0,008
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0140,021
Études des sciences et des technologies0,0010,002
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,346
Écart entre enseignants0,306 · 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'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

Citations21
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207