MétaCan
Menu
Retour à la cohorte
Enregistrement W2892341868 · doi:10.1111/conl.12604

Prioritizing recovery funding to maximize conservation of endangered species

2018· article· en· W2892341868 sur OpenAlexafffundabout
Tara G. Martin, Laura Kehoe, Chrystal Mantyka‐Pringle, Iadine Chadès, Scott Wilson, Robin G. Bloom, Stephen K. Davis, Ryan J. Fisher, Jeff Keith, Katherine R. Mehl, Beatriz Prieto Diaz, Mark Wayland, Troy I. Wellicome, Karl P. Zimmer, Paul A. Smith

Notice bibliographique

RevueConservation Letters · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensMinistry of EnvironmentEnvironment and Climate Change CanadaGlobal Institute for Water SecurityUniversity of AlbertaUniversity of SaskatchewanUniversity of VictoriaUniversity of British Columbia
Organismes subventionnairesMitacsMarine Environmental Observation Prediction and Response NetworkWilburforce Foundation
Mots-clésEndangered speciesLiberian dollarBusinessEnvironmental resource managementNatural resource economicsEcologyBiologyEconomicsFinanceHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract The absence of a rigorous mechanism for prioritizing investment in endangered species management is a major implementation hurdle affecting recovery. Here, we present a method for prioritizing strategies for endangered species management based on the likelihood of achieving species’ recovery goals per dollar invested. We demonstrate our approach for 15 species listed under Canada's Species at Risk Act that co‐occur in Southwestern Saskatchewan. Without management, only two species have >50% probability of meeting recovery objectives; whereas, with management, 13 species exceed the >50% threshold with the implementation of just five complementary strategies at a cost of $126m over 20 years. The likelihood of meeting recovery objectives rarely exceeded 70% and two species failed to reach the >50% threshold. Our findings underscore the need to consider the cost, benefit, and feasibility of management strategies when developing recovery plans in order to prioritize implementation in a timely and cost‐effective manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,155
Tête enseignante GPT0,226
Écart entre enseignants0,072 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations88
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetEconomic and Environmental ValuationTravaux en français237 207