MétaCan
Menu
Retour à la cohorte
Enregistrement W2902465582 · doi:10.3390/su11020462

Defining and Quantifying National-Level Targets, Indicators and Benchmarks for Management of Natural Resources to Achieve the Sustainable Development Goals

2019· article· en· W2902465582 sur OpenAlexaff
Chris Dickens, Vladimir Smakhtin, Matthew McCartney, Gordon O’Brien, Lula Dahir

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Environmental Policy
Établissements canadiensUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesConsortium of International Agricultural Research Centers
Mots-clésSustainable developmentSustainabilityContext (archaeology)BusinessDisseminationGovernment (linguistics)Environmental resource managementNatural resourceEnvironmental planningPolitical scienceEconomic growthEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The 2030 Agenda for Sustainable Development, the Sustainable Development Goals (SDGs), are high on the agenda for most countries of the world. In its publication of the SDGs, the UN has provided the goals and target descriptions that, if implemented at a country level, would lead towards a sustainable future. The IAEG (InterAgency Expert Group of the SDGs) was tasked with disseminating indicators and methods to countries that can be used to gather data describing the global progress towards sustainability. However, 2030 Agenda leaves it to countries to adopt the targets with each government setting its own national targets guided by the global level of ambition but taking into account national circumstances. At present, guidance on how to go about this is scant but it is clear that the responsibility is with countries to implement and that it is actions at a country level that will determine the success of the SDGs. Reporting on SDGs by country takes on two forms: i) global reporting using prescribed indicator methods and data; ii) National Voluntary Reviews where a country reports on its own progress in more detail but is also able to present data that are more appropriate for the country. For the latter, countries need to be able to adapt the global indicators to fit national priorities and context, thus the global description of an indicator could be reduced to describe only what is relevant to the country. Countries may also, for the National Voluntary Review, use indicators that are unique to the country but nevertheless contribute to measurement of progress towards the global SDG target. Importantly, for those indicators that relate to the security of natural resources security (e.g., water) indicators, there are no prescribed numerical targets/standards or benchmarks. Rather countries will need to set their own benchmarks or standards against which performance can be evaluated. This paper presents a procedure that would enable a country to describe national targets with associated benchmarks that are appropriate for the country. The procedure builds on precedent set in other countries but in particular on a procedure developed for the setting of Resource Quality Objectives in South Africa. The procedure focusses on those SDG targets that are natural resource-security focused, for example, extent of water-related ecosystems (6.6), desertification (15.3) and so forth, because the selection of indicator methods and benchmarks is based on the location of natural resources, their use and present state and how they fit into national strategies.

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)0,039
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,208

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,055
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0110,014
Études des sciences et des technologies0,0020,002
Communication savante0,0100,013
Science ouverte0,0040,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSustainable Development and Environmental PolicyTravaux en français237 207