MétaCan
Menu
Retour à la cohorte
Enregistrement W2624592064 · doi:10.1016/j.marpol.2017.05.030

A rapid assessment of co-benefits and trade-offs among Sustainable Development Goals

2017· article· en· W2624592064 sur OpenAlexaff
Gerald G. Singh, Andrés M. Cisneros‐Montemayor, Wilf Swartz, William W. L. Cheung, John Adam Guy, Tiff‐Annie Kenny, Chris McOwen, Rebecca G. Asch, Jan Laurens Geffert, Colette C. C. Wabnitz, Rashid Sumaila, Quentin Hanich, Yoshitaka Ota

Notice bibliographique

RevueMarine Policy · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensUniversity of OttawaUniversity of British Columbia
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésSustainabilitySustainable developmentOverfishingEnvironmental resource managementContext (archaeology)BusinessEnvironmental planningEnvironmental economicsFishingPolitical scienceEcologyEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Achieving the United Nations’ 17 Sustainable Development Goals (SDGs) results in many ecological, social, and economic consequences that are inter-related. Understanding relationships between sustainability goals and determining their interactions can help prioritize effective and efficient policy options. This paper presents a framework that integrates existing knowledge from literature and expert opinions to rapidly assess the relationships between one SDG goal and another. Specifically, given the important role of the oceans in the world's social-ecological systems, this study focuses on how SDG 14 (Life Below Water), and the targets within that goal, contributes to other SDG goals. This framework differentiates relationships based on compatibility (co-benefit, trade-off, neutral), the optional nature of achieving one goal in attaining another, and whether these relationships are context dependent. The results from applying this framework indicate that oceans SDG targets are related to all other SDG goals, with two ocean targets (of seven in total) most related across all other SDG goals. Firstly, the ocean SDG target to increase economic benefits to Small Island Developing States (SIDS) and least developed countries for sustainable marine uses has positive relationships across all SDGs. Secondly, the ocean SDG target to eliminate overfishing, illegal and destructive fishing practices is a necessary pre-condition for achieving the largest number of other SDG targets. This study highlights the importance of the oceans in achieving sustainable development. The rapid assessment framework can be applied to other SDGs to comprehensively map out the subset of targets that are also pivotal in achieving sustainable development.

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)0,058
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,087
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0140,008
Études des sciences et des technologies0,0020,002
Communication savante0,0060,010
Science ouverte0,0020,008
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,266
Écart entre enseignants0,253 · 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'étudeSimulation ou modélisation
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

Citations422
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine PolicyMême sujetCoastal and Marine ManagementTravaux en français237 207