MétaCan
Menu
Retour à la cohorte
Enregistrement W2900656432 · doi:10.1007/s13280-018-1120-1

Hotspots 2.0: Toward an integrated understanding of stressors and response options

2018· review· en· W2900656432 sur OpenAlexafffund
Ahmed Khan, Georgina Cundill

Notice bibliographique

RevueAMBIO · 2018
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesDepartment for International DevelopmentDepartment for International Development, UK GovernmentInternational Development Research Centre
Mots-clésClimate changeEnvironmental resource managementBiodiversity hotspotHotspot (geology)Disaster risk reductionStressorEnvironmental planningBiodiversitySustainabilityEcosystem servicesGeographyPsychological interventionEcosystemEcologyEnvironmental sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Integrated and transdisciplinary approaches are necessary in hotspots research where the intention is to influence policy and practice. Knowing that climate change will impact major ecosystem services and the sustainability of life support systems, a critical examination of the hotspot concept and approach is undertaken to pursue synergistic responses. Hotspots 2.0 embodies current thinking about planning towards multiple drivers of change and seeing human and natural systems as mutually inter-dependent and benefiting from integrated policy approaches. Such proposed adaptation interventions to inter-related stressors will complement biodiversity conservation, disaster risk reduction, and human well-being. Through a systematic review, we assess 114 relevant peer review cases to examine integrative responses to climatic and non-climatic vulnerabilities in various hotspot regions. Furthermore, we illustrate the utility of the Hotspots 2.0 approach using emerging insights from the 'Collaborative Adaptation Research Initiative in Africa and Asia' in semi-arid regions, deltas, and glacier-fed river basin hotspots.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,393

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,285
Tête enseignante GPT0,357
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'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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetClimate change impacts on agricultureTravaux en français237 207