MétaCan
Menu
Retour à la cohorte
Enregistrement W2560037984 · doi:10.1016/j.tree.2016.11.005

A 2017 Horizon Scan of Emerging Issues for Global Conservation and Biological Diversity

2016· article· en· W2560037984 sur OpenAlexaff
William J. Sutherland, Phoebe Barnard, Steven Broad, Mick N. Clout, Ben Connor, Isabelle M. Côté, Lynn V. Dicks, Helen Doran, Abigail Entwistle, Erica Fleishman, Marie Fox, Kevin J. Gaston, David W. Gibbons, Zhigang Jiang, Brandon Keim, Fiona A. Lickorish, Paul Markillie, Kathryn A. Monk, James W. Pearce‐Higgins, Lloyd S. Peck, Jules Pretty, Mark Spalding, Femke H. Tonneijck, Bonnie C. Wintle, Nancy Ockendon

Notice bibliographique

RevueTrends in Ecology & Evolution · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Environment Research CouncilCambridge Conservation InitiativeSight Research UKRoyal SocietyArcadia Fund
Mots-clésDiversity (politics)Environmental resource managementEmerging technologiesDelphi methodBusinessEnvironmental planningPolitical scienceGeographyComputer scienceEnvironmental scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We present the results of our eighth annual horizon scan of emerging issues likely to affect global biological diversity, the environment, and conservation efforts in the future. The potential effects of these novel issues might not yet be fully recognized or understood by the global conservation community, and the issues can be regarded as both opportunities and risks. A diverse international team with collective expertise in horizon scanning, science communication, and conservation research, practice, and policy reviewed 100 potential issues and identified 15 that qualified as emerging, with potential substantial global effects. These issues include new developments in energy storage and fuel production, sand extraction, potential solutions to combat coral bleaching and invasive marine species, and blockchain technology.

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)0,032
score de la tête « metaresearch » (Gemma)0,071
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,326

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,006
Études des sciences et des technologies0,0050,003
Communication savante0,0120,012
Science ouverte0,0030,012
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0970,021

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 Opus0,030
Tête enseignante GPT0,277
Écart entre enseignants0,247 · 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
GenreEmpirique

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

En bref

Citations133
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207