National Red Lists: the largest global market for IUCN Red List Categories and Criteria
Notice bibliographique
Résumé
ESR Endangered Species Research Contact the journal Facebook Twitter RSS Mailing List Subscribe to our mailing list via Mailchimp HomeLatest VolumeAbout the JournalEditorsSpecials ESR 6:185-191 (2008) - DOI: https://doi.org/10.3354/esr00143 The path from grey literature to Red Lists N. Mrosovsky1, M. H. Godfrey2,3,* 1Department of Ecology and Evolutionary Biology, University of Toronto, 25 Harbord Street, M5S 3G5 Toronto, Ontario, Canada 2North Carolina Wildlife Resources Commission, 1507 Ann Street, Beaufort, North Carolina 28516, USA 3Nicholas School of Environment and Earth Sciences, Duke University Marine Lab, 135 Marine Lab Road, Beaufort, North Carolina 28516, USA *Corresponding author. Email: mgodfrey@seaturtle.org ABSTRACT: This paper concerns the process by which Red List designations are decided and supported; it does not concern whether the past or present Red List categorizations are correct. We argue that, contrary to statements extolling the scientific and authoritative nature of the Red List, the reality for some species falls far short of these ideals. The prominent role played by the grey literature is an important factor in these problems. We use the case of the hawksbill turtle Eretmochelys imbricata as an example of the problems with relying on unavailable grey literature, but similar problems apply to various taxa classified in the Red List. KEY WORDS: IUCN · Red List · Grey literature · Citations · Transparency Full text in pdf format PreviousNextCite this article as: Mrosovsky N, Godfrey MH (2008) The path from grey literature to Red Lists. Endang Species Res 6:185-191. https://doi.org/10.3354/esr00143 Export citation RSS - Facebook - Tweet - linkedIn Cited by Published in ESR Vol. 6, No. 2. Online publication date: December 30, 2008 Print ISSN: 1863-5407; Online ISSN: 1613-4796 Copyright © 2008 Inter-Research.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».