MétaCan
Menu
Retour à la cohorte
Enregistrement W3037841750 · doi:10.3389/fmars.2020.00383

Characterizing Exposure to and Sharing Knowledge of Drivers of Environmental Change in the St. Lawrence System in Canada

2020· article· en· W3037841750 sur OpenAlexafffundabout
David Beauchesne, Rémi Daigle, Steve Vissault, Dominique Gravel, Andréane Bastien, Simon Bélanger, Pascal Bernatchez, Marjolaine Blais, Hugo Bourdages, Clément Chion, Peter S. Galbraith, Benjamin S. Halpern, Camille Lavoie, Christopher W. McKindsey, Alfonso Mucci, Simon Pineault, Anne-Sophie Ste-Marie, Philippe Archambault

Notice bibliographique

RevueFrontiers in Marine Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensMcGill UniversityMinistère des Ressources naturelles et des ForêtsFisheries and Oceans CanadaArcticNetObservatoire global du Saint-Laurent (OGSL)Université de SherbrookeMinistère de l’Environnement, de la Lutte contre les changements climatiques, de la Faune et des ParcsUniversité LavalUniversité du Québec en OutaouaisUniversité du Québec à Rimouski
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaInstitut Nordique De Recherche En Environnement Et En Santé Au Travail
Mots-clésEnvironmental resource managementClimate changeKnowledge sharingAdaptive managementGeographyEnvironmental scienceComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

The St. Lawrence is a vast and complex socio-ecological system providing a wealth of services sustaining numerous economic sectors. These ecosystems are subject to significant human pressures that overlap and potentially interact with climate driven environmental changes. Our objective in this paper is to systematically characterize the distribution and intensity of drivers in the St. Lawrence System. To do so, we launch eDrivers, an open knowledge platform gathering experts committed to structuring, standardizing and sharing knowledge on drivers in support of science and management. We gathered data on 22 coastal, climate, fisheries and marine traffic drivers through collaborations, existing environmental initiatives and open data portals. We show that few areas of the St. Lawrence are free of cumulative exposure. The Estuary, the Anticosti Gyre and coastal areas are particularly exposed, especially in the vicinity of urban centers. We identified 6 areas of distinct cumulative exposure regime that show that certain drivers typically co-occur in different regions of the St. Lawrence and that coastal areas are exposed to all driver types. Of particular concern are two threat complexes capturing most exposure hotspots that show the convergence of contrasting exposure regimes at the head of the Laurentian Channel. eDrivers was built on a series of guiding principles upholding existing data management and open science standards. We therefore expect it to evolve through time to address knowledge gaps and refine current driver layers. Ultimately, we believe that eDrivers represents a much needed solution that could radically influence broad scale research and management practices by increasing knowledge accessibility and interoperability.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,032
Score d'incertitude au seuil0,231

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,183
Écart entre enseignants0,174 · 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'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

Citations28
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetCoastal and Marine ManagementTravaux en français237 207