MétaCan
Menu
Retour à la cohorte
Enregistrement W2908440888 · doi:10.1007/s13280-018-1132-x

The transition to non-lead sporting ammunition and fishing weights: Review of progress and barriers to implementation

2019· review· en· W2908440888 sur OpenAlexaff
Vernon G. Thomas, Niels Kanstrup, Anthony David Fox

Notice bibliographique

RevueAMBIO · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAmmunitionLead (geology)FishingBusinessWildlifeStatutory lawEnvironmental planningNatural resource economicsPolitical scienceEconomicsLawEnvironmental scienceGeographyEcology

Résumé

récupéré en direct d'OpenAlex

This review presents evidence of lead exposure and toxicity to wildlife and humans from spent shotgun and rifle ammunition and fishing weights, and the barriers and bridges to completing the transition to non-lead products. Despite the international availability of effective non-lead substitutes, and that more jurisdictions are adopting suitable policies and regulations, a broader transition to non-lead alternatives is prevented because resolution remains divided among disparate human user constituencies. Progress has occurred only where evidence is most compelling or where a responsible public authority with statutory powers has managed to change mindsets in the wider public interest. Arguments opposing lead bans are shown to lack validity. Differing national regulations impede progress, requiring analysis to achieve better regulation. Evidence that lead bans have reduced wildlife exposure should be used more to promote sustainable hunting and fishing. Evidence of the lead contribution from hunted game to human exposure should shape policy and regulation to end lead ammunition use. The Special Issue presents evidence that a transition to non-lead products is both warranted and feasible.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,035
Tête enseignante GPT0,360
Écart entre enseignants0,325 · 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'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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetMercury impact and mitigation studiesTravaux en français237 207