MétaCan
Menu
Retour à la cohorte
Enregistrement W4283034400 · doi:10.1016/j.oneear.2022.05.009

Achieving global biodiversity goals by 2050 requires urgent and integrated actions

2022· article· en· W4283034400 sur OpenAlexafffund
Paul Leadley, Andrew Gonzalez, David Obura, Cornelia B. Krug, María Cecilia Londoño, Katie L. Millette, Adriana Radulovici, Aleksandar Rankovic, Lynne Shannon, Emma Archer, Frederick Ato Armah, Nicholas J. Bax, Kalpana Chaudhari, Mark J. Costello, Liliana M. Dávalos, Fábio de Oliveira Roque, Fabrice DeClerck, Laura E. Dee, Franz Essl, Simon Ferrier, Piero Genovesi, Manuel R. Guariguata, Shizuka Hashimoto, Chinwe Ifejika Speranza, Forest Isbell, Marcel Kok, Shane Lavery, David Leclère, Rafael Loyola, Shuaib Lwasa, Mélodie A. McGeoch, Akira Mori, Emily Nicholson, José Manuel Ochoa de la Torre, Kinga Öllerer, Stephen Polasky, Carlo Rondinini, Sibylle Schroer, Odirilwe Selomane, Xiaoli Shen, Bernardo B. N. Strassburg, U. Rashid Sumaila, Derek P. Tittensor, Eren Turak, Luis Urbina, María Vallejos, Ella Vázquez‐Domínguez, Peter H. Verburg, Piero Visconti, Stephen Woodley, Jianchu Xu

Notice bibliographique

RevueOne Earth · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensDalhousie UniversityWorld Wildlife Fund CanadaUniversity of British ColumbiaMcGill University
Organismes subventionnairesNatural Environment Research CouncilJarislowsky FoundationMount Allison UniversityMagyar Tudományos AkadémiaNatural Sciences and Engineering Research Council of CanadaUniversität ZürichEuropean CommissionAustralian Research CouncilSight Research UKUK Research and Innovation
Mots-clésBiodiversityEnvironmental resource managementEnvironmental planningBusinessComputer scienceEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0070,006
Science ouverte0,0020,008
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0280,007

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 Opus0,021
Tête enseignante GPT0,210
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'étudeThéorique ou conceptuel
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

Citations134
Publié2022
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueOne EarthMême sujetEnvironmental Conservation and ManagementTravaux en français237 207