MétaCan
Menu
Retour à la cohorte
Enregistrement W4296205543 · doi:10.1080/20964129.2022.2124196

Challenges and possible solutions to creating an achievable and effective Post-2020 Global Biodiversity Framework

2022· article· en· W4296205543 sur OpenAlexaffabout
Alice C. Hughes, Xiaoli Shen, Richard T. Corlett, Lin Li, Maofang Luo, Stephen Woodley, Yuanming Zhang, Keping Ma

Notice bibliographique

RevueEcosystem Health and Sustainability · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensWorld Wildlife Fund Canada
Organismes subventionnairesnon disponible
Mots-clésBiodiversityConventionConference of the partiesConvention on Biological DiversityClimate changePolitical scienceGlobal biodiversityEnvironmental resource managementEnvironmental planningGeographyLawEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Global biodiversity is in crisis as a result of human activity. This biodiversity crisis has been well documented by scientists, recognized by world leaders, politicians, businesses, and citizens. Both the biodiversity and climate crises need to be addressed now. 2020 was when this change was supposed to start, with the 15th Conference of Parties (COP15) of the Convention on Biodiversity (CBD) meeting in Kunming, and the 26th Conference of Parties (COP26) of the UN Framework Convention on Climate Change meeting in Glasgow, but both meetings were postponed. COP26 was held a year late (November 2021), while COP15 was split into two, with the first part held in Kunming in October 2021, and the second part scheduled for Montreal in December 2022. This meeting in Montreal – arguably the most important in the CBDs history – must agree on the Post-2020 Global Biodiversity Framework (GBF), to reverse biodiversity loss. Failure to reach agreement in Montreal would ultimately be a failure of us all, with irreversible consequences for life on earth. Yet, with three months before the final deadline only 20% of text and two targets are agreed. This paper reviews the factors hindering progress on the agreement and suggests possible solutions.

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 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)0,039
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,011
Communication savante0,0150,011
Science ouverte0,0060,014
Intégrité de la recherche0,0180,012
Charge utile insuffisante (le modèle a refusé de juger)0,0260,004

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 Opus0,017
Tête enseignante GPT0,309
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcosystem Health and SustainabilityMême sujetZoonotic diseases and public healthTravaux en français237 207