MétaCan
Menu
Retour à la cohorte
Enregistrement W3089239417 · doi:10.1038/s41467-020-18486-6

Half of resources in threatened species conservation plans are allocated to research and monitoring

2020· article· en· W3089239417 sur OpenAlexafffund
Rachel T. Buxton, Stephanie Avery‐Gomm, Hsein-Yung Lin, Paul A. Smith, Steven J. Cooke, Joseph Bennett

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensEnvironment and Climate Change CanadaCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThreatened speciesBusinessBiodiversityAction planEnvironmental resource managementPlan (archaeology)Environmental planningNatural resource economicsEcologyHabitatGeographyEnvironmental scienceBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Funds to combat biodiversity loss are insufficient, requiring conservation managers to make trade-offs between costs for actions to avoid further loss and costs for research and monitoring to guide effective actions. Using species' management plans for 2328 listed species from three countries we show that 50% of species' proposed recovery plan budgets are allocated to research and monitoring. The proportion of budgets allocated to research and monitoring vary among jurisdictions and taxa, but overall, species with higher proportions of budgets allocated to research and monitoring have poorer recovery outcomes. The proportion allocated to research and monitoring is lower for more recent recovery plans, but for some species, plans have allocated the majority of funds to information gathering for decades. We provide recommendations for careful examination of the value of collecting new information in recovery planning to ensure that conservation programs emphasize action or research and monitoring that directly informs action.

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)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,003

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 Opus0,098
Tête enseignante GPT0,344
Écart entre enseignants0,246 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations100
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207