MétaCan
Menu
Retour à la cohorte
Enregistrement W2736940169 · doi:10.1111/gcb.13829

Adaptation strategies to climate change in marine systems

2017· review· en· W2736940169 sur OpenAlexafffund
Yoshitaka Ota, U. Rashid Sumaila, Andrés M. Cisneros‐Montemayor, William W. L. Cheung

Notice bibliographique

RevueGlobal Change Biology · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaNippon Foundation
Mots-clésAdaptation (eye)Climate changeClimate change adaptationEnvironmental resource managementEnvironmental scienceClimatologyGeographyOceanographyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

The world's oceans are highly impacted by climate change and other human pressures, with significant implications for marine ecosystems and the livelihoods that they support. Adaptation for both natural and human systems is increasingly important as a coping strategy due to the rate and scale of ongoing and potential future change. Here, we conduct a review of literature concerning specific case studies of adaptation in marine systems, and discuss associated characteristics and influencing factors, including drivers, strategy, timeline, costs, and limitations. We found ample evidence in the literature that shows that marine species are adapting to climate change through shifting distributions and timing of biological events, while evidence for adaptation through evolutionary processes is limited. For human systems, existing studies focus on frameworks and principles of adaptation planning, but examples of implemented adaptation actions and evaluation of outcomes are scarce. These findings highlight potentially useful strategies given specific social-ecological contexts, as well as key barriers and specific information gaps requiring further research and actions.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,288
Tête enseignante GPT0,424
Écart entre enseignants0,136 · 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

Citations125
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetMarine and fisheries researchTravaux en français237 207