MétaCan
Menu
Retour à la cohorte
Enregistrement W4312121641 · doi:10.1093/icesjms/fsac228

Integrating human dimensions in decadal-scale prediction for marine social–ecological systems: lighting the grey zone

2022· article· en· W4312121641 sur OpenAlexaff
Jess Melbourne-Thomas, Désirée Tommasi, Marion Gehlen, Eugene J. Murphy, Jennifer Beckensteiner, Francisco Bravo, Tyler D. Eddy, Mibu Fischer, Elizabeth A. Fulton, Mayya Gogina, Eileen E. Hofmann, Maysa Ito, Sara Mynott, Kelly Ortega‐Cisneros, Anna N. Osiecka, Mark Payne, Romeo Saldívar‐Lucio, Kim Scherrer

Notice bibliographique

RevueICES Journal of Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of VictoriaMemorial University of Newfoundland
Organismes subventionnairesNatural Environment Research CouncilSight Research UKNational Science Foundation
Mots-clésScale (ratio)Stewardship (theology)Temporal scalesHuman DimensionProcess (computing)Earth system scienceComputer scienceEnvironmental resource managementDimension (graph theory)Environmental scienceData scienceGeographyEcologyOceanographyGeologyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract The dynamics of marine systems at decadal scales are notoriously hard to predict—hence references to this timescale as the “grey zone” for ocean prediction. Nevertheless, decadal-scale prediction is a rapidly developing field with an increasing number of applications to help guide ocean stewardship and sustainable use of marine environments. Such predictions can provide industry and managers with information more suited to support planning and management over strategic timeframes, as compared to seasonal forecasts or long-term (century-scale) predictions. The most significant advances in capability for decadal-scale prediction over recent years have been for ocean physics and biogeochemistry, with some notable advances in ecological prediction skill. In this paper, we argue that the process of “lighting the grey zone” by providing improved predictions at decadal scales should also focus on including human dimensions in prediction systems to better meet the needs and priorities of end users. Our paper reviews information needs for decision-making at decadal scales and assesses current capabilities for meeting these needs. We identify key gaps in current capabilities, including the particular challenge of integrating human elements into decadal prediction systems. We then suggest approaches for overcoming these challenges and gaps, highlighting the important role of co-production of tools and scenarios, to build trust and ensure uptake with end users of decadal prediction systems. We also highlight opportunities for combining narratives and quantitative predictions to better incorporate the human dimension in future efforts to light the grey zone of decadal-scale prediction.

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)0,010
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0060,007
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,286
Écart entre enseignants0,264 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207