Potential implications of the use of digital sequence information on genetic resources for the three objectives of the Convention on Biological Diversity. A submission from CGIAR to the Secretary of the Convention on Biological Diversity (CBD)
Notice bibliographique
Résumé
This report has been submitted by CGIAR in response to an invitation issued by the Secretary of the Convention on Biological Diversity (CBD) calling on “relevant organizations and stakeholders to submit views and relevant information on any potential implications of the use of digital sequence information on genetic resources for the three objectives of the Convention” as input to the "Meeting of the Ad Hoc Technical Expert Group on Digital Sequence Information on Genetic Resources", 13 - 16 February 2018, Montreal, Canada. CGIAR experience to date confirms that digital genomic sequence data can play important roles in the management and sustainable use of biological diversity and in the sharing of benefits associated with the use of that diversity. Technological capacities to generate genomic sequence data have accelerated faster than capacities to enable practical use of this information. Relatively small investments in the initial generation of genomic sequences, must then be coupled with significantly larger investments to comparatively analyse genomic sequences, to link genetic variability to useful phenotypic traits or performance, to ‘optimize’ those traits, and ultimately, to develop new crop varieties for release and use in farmers’ fields. CGIAR underscores the importance of capacity building for developing country research and development organizations to generate and use genomic sequence information as part of their own conservation and crop improvement programs, and to be able to participate on equal footing in internationally coordinated and funded research and development programs. The most important benefit to be shared from the use of genomic sequence information in agricultural research and development and plant breeding is improved food and livelihood security. Other non-monetary benefits are farmers’ improved access to technologies, enhanced institutional capacities of developing country research organizations, shared research results, and local and regional economic 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».