Demonstrating the potential of Picture Pile as a citizen science tool for SDG monitoring
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
The SDGs are a universal agenda to address the world’s most pressing societal, environmental and economic challenges. The supply of timely, relevant and reliable data is essential in guiding policies and decisions for successful implementation of the SDGs. Yet official statistics cannot provide all of the data needed to populate the SDG indicator framework. Citizen science offers a novel solution and an untapped opportunity to complement traditional sources of data, such as household surveys, for monitoring progress towards the SDGs, while at the same time mobilizing action and raising awareness for their achievement. This paper presents the potential offered by one specific citizen science tool, Picture Pile, to complement and enhance official statistics to monitor several SDGs and targets. Designed to be a generic and flexible tool, Picture Pile is a web-based and mobile application for ingesting imagery from satellites, orthophotos, unmanned aerial vehicles or geotagged photographs that can then be rapidly classified by volunteers. The results show that Picture Pile could contribute to the monitoring of fifteen SDG indicators under goals 1, 2, 11, 13, 14 and 15 based on the Picture Pile campaigns undertaken to date. Picture Pile could also be modified to support other SDGs and indicators in the areas of ecosystem health, eutrophication and built-up areas, among others. In order to leverage this particular tool for SDG monitoring, its potential must be showcased through the development of use cases in collaboration with governments, NSOs and relevant custodian agencies. Additionally, mutual trust needs to be built among key stakeholders to agree on common goals that would facilitate the use of Picture Pile or other citizen science tools and data for SDG monitoring and impact.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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