MétaCan
Menu
Retour à la cohorte
Enregistrement W2793831543 · doi:10.1139/facets-2017-0083

Quantifying the contribution of zoos and aquariums to peer-reviewed scientific research

2018· article· en· W2793831543 sur OpenAlexvenueno aff
Tse‐Lynn Loh, Eric R. Larson, Solomon R. David, Lesley S. de Souza, Rebecca Gericke, Mary Gryzbek, Andrew S. Kough, Philip W. Willink, Charles Knapp

Notice bibliographique

RevueFACETS · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityStaffingAccreditationCredibilityPolitical scienceBiodiversityPeer reviewLibrary scienceBusinessPublic relationsEcologyBiologyComputer scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Modern zoos and aquariums aspire to contribute significantly to biodiversity conservation and research. For example, conservation research is a key accreditation criterion of the Association of Zoos and Aquariums (AZA). However, no studies to date have quantified this contribution. We assessed the research productivity of 228 AZA members using scientific publications indexed in the ISI Web of Science (WoS) database between 1993 and 2013 (inclusive). AZA members published 5175 peer-reviewed manuscripts over this period, with publication output increasing over time. Most publications were in the zoology and veterinary science subject areas, and articles classified as “biodiversity conservation” by WoS averaged 7% of total publications annually. From regression analyses, AZA organizations with larger financial assets generally published more, but research-affiliated mission statements were also associated with increased publication output. A strong publication record indicates expertise and expands scientific knowledge, enhancing organizational credibility. Institutions aspiring for higher research productivity likely require a dedicated research focus and adequate institutional support through research funding and staffing. We recommend future work build on our results by exploring links between zoo and aquarium research productivity and conservation outcomes or uptake.

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)0,077
score de la tête « metaresearch » (Gemma)0,278
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,409

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0770,278
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0240,029
Études des sciences et des technologies0,0020,002
Communication savante0,0080,006
Science ouverte0,0020,007
Intégrité de la recherche0,0010,001
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 Opus0,089
Tête enseignante GPT0,367
Écart entre enseignants0,278 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations44
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetFish Ecology and Management StudiesTravaux en français237 207