Which calibrated threshold is appropriate for ranking non-native species using scores generated by WRA-type screening toolkits that assess risks under both current and future climate conditions?
Notice bibliographique
Résumé
Score-based decision-support tools are increasingly used to identify potentially invasive non-native species as part of the risk screening (initial risk identification) component of non-native species risk analysis. Amongst these tools are the Weed Risk Assessment (WRA) and its derivatives, e.g. the Aquatic Species Invasiveness Screening Kit (AS-ISK), which have been extensively used on a large variety of terrestrial and aquatic plants and of aquatic animals worldwide. In this paper, a correction is made to the previous guidance on the use of two separate thresholds to risk-rank species, i.e. one for current climate conditions (basic risk assessment: BRA threshold) and one for future climate conditions (BRA + climate change assessment: BRA+CCA threshold). Re-evaluation of this practice reveals that, to avoid the incorrect risk-ranking of species, only the BRA threshold should be used in all future applications of WRAtype toolkits that include a separate set of climate-change questions -at present, this involves the AS-ISK and the newly released Terrestrial Animal Species Invasiveness Screening Kit (TAS-ISK). As a result of this revised guidance, all published studies containing AS-ISK applications to date are reviewed here, and where approrpiate corrected risk ranks are provided for species that were risk-ranked using a BRA+CCA threshold. Corrections are also made whenever applicable to published errors or incorrect risk ranks based on the BRA threshold in the AS-ISK applications reviewed.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».