Research trends in U.S. national parks, the world's “living laboratories”
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract U.S. national parks are essential public assets for preserving natural and cultural resources and for decades have provided natural laboratories for scholarly research. However, park research, and how it may be biased, has not been inventoried at a national scale. Such a synthesis is crucial for assessing research needs and planning for the future. Here, we present the first comprehensive summary of national park research using nearly 7,000 peer‐reviewed research articles published since 1970. We report when and where these studies occurred, what academic disciplines were most represented, and who funded the research. Our findings show that publication rates increased rapidly during the 1990s and 2000s, but since about 2013 have declined. Over half of the studies occurred in five parks, with Yellowstone representing over a third of all studies, followed by Everglades, Great Smoky Mountains, Glacier, and Yosemite. Nearly half of the studies occurred in the Northwestern Forested Mountains ecoregion. The life sciences, particularly ecological studies, contributed the majority of park research, although the earth sciences dominated several arid ecoregions of the West. Federal agencies funded the largest proportion of research, followed by U.S. universities, non‐profit organizations, federal programs (mainly the National Science Foundation), state agencies, and private industry. Over a quarter of the research was supported by international sources. Recent declines in scholarly output suggest that national park research directions and funding opportunities should be examined.
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.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 découle