Harnessing the Power of Community Science to Address Data Gaps in Arctic Observing: Invasive Species in Alaska as Case Examples
Notice bibliographique
Résumé
The Arctic is undergoing large-scale changes that are likely to accelerate in future decades such as introductions and expansions of invasive species. The Arctic is in a unique position to prevent new introductions and spread of existing invasive species by adopting policies and actions aimed at early detection. Responding to threats from invasive species to minimize impacts to ecosystems, communities, food security, and northern economies will necessitate extensive observations and monitoring, but resource managers often face decisions without having adequate data and resources at hand. Local observing programs such as citizen science and community-based monitoring programs present attractive methods for increasing observing capacity that span contributory and co-created approaches while raising awareness of an issue among stakeholders. While the co-created model has been widely applied and encouraged in the Arctic context, contributory citizen science programs offer an additional tool for addressing observing needs in the Arctic. We showcase three contributory citizen science programs related to freshwater, terrestrial, and marine environments that have supported the objectives of the Alaska Invasive Species Partnership. We discuss criteria for achieving ARIAS priority actions at the participant scale related to participants’ motivation and participants’ understanding of the value of their contributions, at the programmatic scale, for example promoting accessible, reciprocal, and transparent knowledge exchange, and at the policy and science scale where management action is data driven. The approach is aimed at successful integration of citizen science into Arctic policy making. Finally, we discuss challenges related to broader global data collection and future directions for contributory citizen science within Arctic observing networks.
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 | 0,052 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,003 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».