MétaCan
Menu
Retour à la cohorte
Enregistrement W3041164261 · doi:10.17863/cam.56764

Protecting 30% of the planet for nature: costs, benefits and economic implications

2020· article· en· W3041164261 sur OpenAlexfundno aff
Anthony Waldron, Vanessa M. Adams, James R. Allan, Andy Arnell, Gregory P. Asner, Scott Atkinson, Alessandro Baccini, Jonathan Baillie, Andrew Balmford, J Austin Beau, Luke Brander, Eduardo S. Brondízio, Aaron Bruner, Neil D. Burgess, Stuart H. M. Butchart, Rio Button, William W. L. Cheung, Villy Christensen, Andy Clements, Marta Coll, Moreno Di Marco, Marine Deguignet, Eric Dinerstein, Erle C. Ellis, Florian V. Eppink, Jamison Ervin, Anita Escobedo, Julia E. Fa, Alvaro Fernandes-Llamazares, S. Antony Fernando, Shinichiro Fujimori, Beth Fulton, Stephen T. Garnett, James Gerber, David Gill, Trisha Gopalakrishna, Nathan Hahn, Ben Halpern, Tomoko Hasegawa, Peter Havlík, Vuokko Heikinheimo, Ryan Heneghan, E. Henry, Florian Humpenöder, Harry Jonas, Kendall R. Jones, Lucas Joppa, Ar Joshi, Martin Jung, Naomi Kingston, Carissa J. Klein, Tamás Krisztin, Vicky W. Y. Lam, David Leclère, Peter A. Lindsey, Harvey Locke

Notice bibliographique

RevueDIGITAL.CSIC (Spanish National Research Council (CSIC)) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesMinistero dell’Istruzione, dell’Università e della RicercaNatural Sciences and Engineering Research Council of CanadaEuropean CommissionResources Legacy FundMinisterio de Ciencia, Innovación y UniversidadesKoneen SäätiöEnvironmental Restoration and Conservation AgencySocial Sciences and Humanities Research Council of CanadaUK Research and InnovationNational Geographic Society
Mots-clésNatural resource economicsPlanetBusinessAstrobiologyEconomics

Résumé

récupéré en direct d'OpenAlex

A. Waldron, K. Nakamura, J. Sze, T. Vilela, A. Escobedo, P. Negret Torres, R. Button, K. Swinnerton, A. Toledo, P. Madgwick, N. Mukherjee were supported by National Geographic and the Resources Legacy Fund. V. Christensen was supported by NSERC Discovery Grant RGPIN-2019-04901. M. Coll and J. Steenbeek were supported by EU Horizon 2020 research and innovation programme under grant agreement No 817578 (TRIATLAS). D. Leclere was supported by TradeHub UKRI CGRF project. R. Heneghan was supported by Spanish Ministry of Science, Innovation and Universities, Acciones de Programacion Conjunta Internacional (PCIN-2017-115). M. di Marco was supported by MIUR Rita Levi Montalcini programme. A. Fernandez-Llamazares was supported by Academy of Finland (grant nr. 31176). S. Fujimori and T. Hawegawa were supported by The Environment Research and Technology Development Fund (2-2002) of the Environmental Restoration and Conservation Agency of Japan and the Sumitomo Foundation. V. Heikinheimo was supported by Kone Foundation, Social Media for Conservation project. K. Scherrer was supported by the European Research Council (ERC) under the European Union’s Horizon 2020 research and innovation programme under grant agreement No 682602. U. Rashid Sumaila acknowledges the OceanCanada Partnership, which funded by the Social Sciences and Humanities Research Council of Canada (SSHRC). T. Toivonen was supported by Osk. Huttunen Foundation & Clare Hall college, Cambridge. W. Wu was supported by The Environment Research and Technology Development Fund (2-2002) of the Environmental Restoration and Conservation Agency of Japan. Z. Yuchen was supported by a Ministry of Education of Singapore Research Scholarship Block (RSB) Research Fellowship.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,283
Écart entre enseignants0,149 · 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
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

Citations132
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDIGITAL.CSIC (Spanish National Research Council (CSIC))Même sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207