Scientific contributions of citizen science applied to rare or threatened animals
Notice bibliographique
Résumé
Citizen science is filling important monitoring gaps and thus contributing to the conservation of rare or threatened animals. However, most researchers have used peer-reviewed publications to evaluate citizen science contributions. We quantified a larger spectrum of citizen science's contributions to the monitoring of rare or threatened animals, including contributions to the peer-reviewed publications, gray literature and to conservation measures (i.e., actions taken as a direct result of citizen science monitoring). We sought to provide broad information on how results of studies of citizen science monitoring is used. We also evaluated factors associated with success of citizen science projects. We conducted a web search to find citizen science projects focusing on rare and threatened species and surveyed citizen science project managers about their contributions and factors influencing their success. The number of projects increased rapidly after 2010. Almost one-half of the citizen science projects produced at least 1 peer-reviewed publication, 64% produced at least 1 gray literature publication, and 64% resulted in at least 1 conservation measure. Conservation measures covered a wide range of actions, including management and mitigation plans, modification of threat status, identification and establishment of protected areas, habitat restoration, control of invasive species, captive breeding programs, and awareness campaigns. Longevity, data quality, and collaboration type best explained quantities of all types of scientific contributions of citizen science. We found that citizen science contributed substantially to knowledge advancement and conservation, especially when programs were long term and had rigorous data collection and management standards, and multidisciplinary or transdisciplinary collaborations.
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 | 0,164 | 0,424 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,040 | 0,041 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».