Past and Future Grand Challenges in Marine Ecosystem Ecology
Notice bibliographique
Résumé
Frontiers in Marine Science launched the Marine Ecosystems Ecology (FMARS-MEE) section in 2014, with a paper that identified eight grand challenges for the discipline (Borja, 2014). Since then, this section has published a total of 370 papers, including 336 addressing aspects of those challenges. As editors of the journal, with a wide range of marine ecology expertise, we felt it was timely to evaluate research advances related to those challenges; and to update the scope of the section to reflect the grand challenges we envision for the next 10 years. This output will match with the United Nations (UN) Decade on Oceans Science for Sustainable Development (DOSSD;Claudet et al., 2020), UN Decade of Ecosystems Restoration (DER; Young and Schwartz, 2019), and the UN Sustainable Development Goals (SDGs; Visbeck et al., 2014). First, we analyzed each published paper and assigned their topic to a maximum of two out of the eight challenges (all information available in Supplementary Table 1). We then extracted the 3–5 most cited papers within each challenge using two criteria: the total number of citations during this 6-year period, and the annual citation rate (i.e., the mean annual number of citations since publication). We then collated the topics covered by this reduced list of papers (Table 1) and summarized the outcomes for each topic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».