MétaCan
Menu
Retour à la cohorte
Enregistrement W4292712520 · doi:10.1080/14615517.2022.2099728

Treatment of ecological connectivity in environmental assessment: A global survey of current practices and common issues

2022· article· en· W4292712520 sur OpenAlexaff
Charla Patterson, Aurora Torres, Mihai Coroi, Katherine Cumming, Matthew Hanson, Bram Noble, Gary Tabor, Jo Treweek, Jochen A.G. Jaeger

Notice bibliographique

RevueImpact Assessment and Project Appraisal · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Social Impact Assessments
Établissements canadiensUniversity of SaskatchewanParks CanadaConcordia University
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Scale (ratio)Context (archaeology)Environmental resource managementPerceptionComputer scienceData scienceEnvironmental planningEnvironmental scienceGeographyPsychologyCartography

Résumé

récupéré en direct d'OpenAlex

Ecological connectivity should be an important consideration in environmental assessment (EA). How often and how thoroughly the analysis of ecological connectivity is integrated in the EA process is, however, unknown. We surveyed EA actors and stakeholders regarding their perceptions of, and experiences with, connectivity analysis in the context of EA. 134 practitioners, regulators, consultants, researchers, and interest groups from all inhabited continents participated. Over 72% of respondents stated that ecological connectivity should always be considered; however, it is often considered too late in the EA process, at a scale of analysis often unsuitable for capturing landscape-scale effects, and relying on overly simplistic metrics or qualitative approaches. This disparity between the availability of a range of quantitative tools and the poor consideration of connectivity in EA raises major concerns about current practice and the feasibility of connectivity analysis in project-based EA. Connectivity consideration will need to be required explicitly and supported by best-practice guidance to address the conditions that should trigger a connectivity analysis, the required types of approaches, and the kind of information required to inform decision-making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,469
Écart entre enseignants0,401 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImpact Assessment and Project AppraisalMême sujetEnvironmental and Social Impact AssessmentsTravaux en français237 207