Human–environment interactions in population and ecosystem health
Notice bibliographique
Résumé
As the global human population continues to grow, so too does our impact on the environment. The ingenuity with which our species has harnessed natural resources to fulfill our needs is dazzling. Even as we tighten our grip on the environment, however, the escalating extent of anthropogenic actions destabilizes long-standing ecological balances (1, 2). The dangers of mining, refining, and fossil fuel consumption now extend beyond occupational or proximate risks to global climate change (3). Among a plethora of environmental problems, extreme climate events are intensifying (4, 5). Storms, droughts, and floods cause direct destruction, but also have pervasive repercussions on food security, infectious disease transmission, and economic stability that take their toll for many years. For example, within weeks of the catastrophic wind and flood damage from the 2016 Hurricane Matthew in Haiti, there was a dramatic surge in cholera, among other devastating repercussions (6, 7). In a world where 1% of the population possesses 50% of the wealth (8), those worst affected by extreme climatic events and the aftermath are also the least able to rebound. Compounding the impact of natural disasters, our progressively more intimate interactions with fragmented environments (9) have given rise to an era of disease emergence and re-emergence at unprecedented rates, as exemplified by recent outbreaks of the Ebola and Zika viruses. Furthermore, globalization to an extent that includes the airline travel of over eight million people every day has enabled such disease outbreaks to disseminate rapidly and pose a threat far beyond their areas of origin (10). Addressing these challenges requires an understanding of coupled human–environment dynamics, whereby human activity modifies an environmental system (often detrimentally), and the resulting environmental repercussions then impact humans. In turn, these impacts can potentially spur a shift in human activity toward protection and restoration. … [↵][1]1To whom correspondence should be addressed. Email: alison.galvani{at}yale.edu. [1]: #xref-corresp-1-1
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».