MétaCan
Menu
Retour à la cohorte
Enregistrement W4229043544 · doi:10.3389/fenvs.2022.756045

A Future for the Inland Fish and Fisheries Hidden Within the Sustainable Development Goals

2022· article· en· W4229043544 sur OpenAlexaff
Vittoria Elliott, Abigail J. Lynch, Sui Chian Phang, Steven J. Cooke, I. G. Cowx, Julie E. Claussen, James Dalton, William Darwall, Ian Harrison, Karen J. Murchie, E. Ashley Steel, Gretchen L. Stokes

Notice bibliographique

RevueFrontiers in Environmental Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensCarleton University
Organismes subventionnairesU.S. Geological Survey
Mots-clésOperationalizationSustainabilityNatural resourceSustainable developmentEnvironmental resource managementCorporate governanceEcosystem servicesEnvironmental planningInclusion (mineral)Marine conservationBusinessEcosystemGeographyEcologyEconomicsSociologyBiologySocial science

Résumé

récupéré en direct d'OpenAlex

The United Nations Sustainable Development Goals (SDGs) are a unifying call for change - guiding global actions at multiple levels of governance for a better planet and better lives. Consequently, achieving the “future we want” may be hindered by overlooking valuable natural resources and services that are not explicitly included in the SDGs. Not recognizing the direct, intrinsic value of some natural resources may threaten the sustainability of the services they provide and their contributions to the SDGs. Here, we use inland aquatic ecosystems, and the fish and fisheries therein, as an example to explore opportunities for recognition and inclusion of other natural resources that are missing from the SDGs. Key resources absent from the SDGs are less likely to be incorporated in global, national, and regional objectives, dialogues, and policies. We outline multiple potential pathways for better inclusion and capitalization of contributions from these overlooked natural resources during the operationalization of the SDGs and other global instruments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,007
Communication savante0,0110,017
Science ouverte0,0010,008
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0310,003

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 Opus0,006
Tête enseignante GPT0,195
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental ScienceMême sujetMarine and fisheries researchTravaux en français237 207