Knowledge production for target-based biodiversity governance
Notice bibliographique
Résumé
Target-based governance holds the promise of accountability by measuring progress towards objectives set within global environmental agreements. This approach has been widely adopted at multiple scales of governance in conservation and sustainability sectors including by the Convention on Biological Diversity (CBD). Yet the implications of governing through targets have not been fully scrutinized for the ways that targets and their associated indicators shape the work by global conventions, including the activities pursued by state and non-state actors. We systematically reviewed, coded and assessed the peer-reviewed scientific literature produced in relation to the CBD Aichi Biodiversity Targets (ABTs) to demonstrate the types of scientific action that the Aichi targets have motivated, and assess how this work serves to reinforce particular visions of what conservation is and how it should be done. We find widespread support for target-based governance in the scientific literature. We also find uneven attention across the targets (e.g. mostly the protected areas target), to particular elements within specific targets (e.g. the area-based element of the protected areas target), measured by particular forms of knowledge (i.e. primarily biophysical data aggregated at a global scale). We argue that the uneven scientific action associated with the ABTs arises from the interplay among target elements that can be readily measured (e.g. by existing single-metric indicators) and long-standing institutional commitments (e.g. to protected areas expansion). With the Post-2020 Global Biodiversity Framework on the immediate horizon, there is a timely opportunity to reflect on the role of targets within the CBD and beyond.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».