MétaCan
Menu
Retour à la cohorte
Enregistrement W3197296697 · doi:10.1088/1755-1315/842/1/012054

Key Biodiversity Areas (KBA): An Important Approach in Mainstreaming Biodiversity Conservation in Malaysia

2021· article· en· W3197296697 sur OpenAlexaboutno aff
N H Ahmad Ruzman, M A Shahfiz, Kaviarasu Munian, Noor Faradiana MD Fauzi, Muhammad Asyraff Azahar, Anis Zafirah Zam Beri, Manoshini Appanan, M S Baharudin, Nur Aina Amira Mahyudin

Notice bibliographique

RevueIOP Conference Series Earth and Environmental Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityBiodiversity hotspotBiodiversity conservationEnvironmental resource managementEnvironmental planningGeographyMainstreamingEcologyEnvironmental scienceBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Malaysia has adopted two ways of conserving its biodiversity; species-based and landscape-based approaches. However, there are limitations of these approaches that can be addressed via Key Biodiversity Areas (KBA). Hence, the aim of the study is to review and compare several current conservation approaches in Malaysia with KBA. Systematic literature search was done using a set of keywords in search engine and visited official government websites to obtain relevant documentations on conservation and biodiversity in Malaysia. Based on the findings, KBA is a holistic approach consisting of several biodiversity elements, criteria and themes that can be put in place, including Important Plant Areas (IPA), Important Bird and Biodiversity Areas (IBA), Important Fungus Areas and Prime Butterfly Areas. This approach has successfully helped many countries such as the Philippines, Indo-Burma hotspot, Uganda, and Canada identify and prioritize important sites for biodiversity conservation. Thus, KBA approach is an alternative approach to support stakeholders in mainstreaming biodiversity conservation approaches in Malaysia for more effective conservation planning in the future. This approach also offers geographic targets for the expansion of protected area coverage and identifies the site for urgent conservation 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,861

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,177
Écart entre enseignants0,163 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Earth and Environmental ScienceMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207