Knowledge Translation Supports Community Conservation Efforts to Protect and Restore a Local Marine Environment: A Case Study of Átl’ḵa7tsem/Txwnéwu7ts/Howe Sound, British Columbia, Canada
Notice bibliographique
Résumé
Individuals, communities, organizations, and governments are the building blocks of economies. All require awareness, information, and achievable actions to contribute to moving towards healthy oceans, the base of a robust blue economy. Ocean Watch, a program run by Ocean Wise Conservation Association, was created to translate scientific understanding, combined with community and traditional knowledge, to empower local action for improved marine health. Clear improvements have been made in the Átl’ḵa7tsem/Txwnéwu7ts/Howe Sound marine environment, which have been captured in an updated report following from the original 2017 publication. Information within the reports illustrates the connection of communities and the marine environment through articles describing seven themes, which are: (1) Species and Habitat; (2) Clean Water; (3) Sense of Place; (4) Coastal Development and Livelihoods; (5) Stewardship and Governance; (6) Oceanography and Climate Change; and (7) Seafood. Articles such as the 2017 article: “Sea Stars: wasting disease taking its toll” gave background, rationale for importance, current status, current actions, and recommended actions to improve the health status (healthy, caution, critical, limited/no data). The health status for 10 of 28 reassessed articles improved largely due to actions taken by local communities, as recommended in the 2017 report. However, more work is needed, especially for areas of marine health that were not improving and to address threats from climate change. Establishing a sustainable socio-ecological relationship with the ocean is necessary if we are to protect and restore the health of all components of the ecosystem. Empowering communities to take action improves ocean health, which is inherently linked to the health of individuals, communities, and economies.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,035 | 0,011 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».