Ocean acidification research for sustainability: co-designing global action on local scales
Notice bibliographique
Résumé
Abstract The global threat that ocean acidification poses to marine ecosystems has been recognized by the UN 2030 Agenda under Sustainable Development Goal, Target 14.3: to reduce ocean acidification. The Global Ocean Acidification Observing Network (GOA-ON) is a collaborative international network to detect and understand the drivers of ocean acidification in estuarine-coastal-open ocean environments, the resulting impacts on marine ecosystems, and to make the information available to optimize modelling studies. The Ocean Acidification Research for Sustainability (OARS) programme, endorsed by the 2021–2030 UN Decade of Ocean Science for Sustainable Development, will build on the work of GOA-ON through its seven Decade Action Outcomes. By employing a Theory of Change framework, and with the co-design of science in mind, OARS will develop an implementation plan for each Decade Action Outcome, which will identify the stakeholders and rights-holders, as well as the tools, means, and positive consequences required for their successful delivery. The organizational structure of GOA-ON, with nine regional hubs, will benefit OARS by providing a vital connection between local and global scales. GOA-ON regional hub case-studies illustrate how activities in the past and future, informed by global and regional priorities, support capacity building and the co-design of ocean acidification science.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».