MétaCan
Menu
Retour à la cohorte
Enregistrement W4321599365 · doi:10.1111/csp2.12911

The <scp>RACE</scp> for freshwater biodiversity: Essential actions to create the social context for meaningful conservation

2023· article· en· W4321599365 sur OpenAlexafffund
Kim Birnie‐Gauvin, Abigail J. Lynch, P.A. Franklin, Andrea J. Reid, Sean J. Landsman, David Tickner, James Dalton, Kim Aarestrup, Steven J. Cooke

Notice bibliographique

RevueConservation Science and Practice · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British ColumbiaCarleton UniversityFisheries and Oceans Canada
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaDanmarks Tekniske UniversitetVillum Fonden
Mots-clésContext (archaeology)BiodiversityRace (biology)Biodiversity conservationBusinessEnvironmental resource managementGeographySociologyEcologyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Freshwater habitats are experiencing two to three times the rate of biodiversity loss of terrestrial and marine habitats. As status quo actions within the conservation community are not reversing the downward trajectory for freshwater biodiversity, we propose four actions to shift the narrative such that freshwater biodiversity is no longer invisible and overlooked, but rather explicitly recognized, valued, and protected: (1) Reshape our relationship with freshwater habitats and biodiversity, (2) Appreciate indigenous knowledge systems relating to freshwater habitats, (3) Connect science more directly to action, and (4) Elevate freshwater habitats as a unique “domain” that requires explicit recognition in conservation planning (RACE). We highlight roles that both freshwater scientists and the wider conservation community can play in implementing the four actions such that the “RACE” can be won.

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)0,031
score de la tête « metaresearch » (Gemma)0,021
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0170,046
Communication savante0,0150,013
Science ouverte0,0020,021
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,067
Tête enseignante GPT0,325
Écart entre enseignants0,257 · 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
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

Citations37
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConservation Science and PracticeMême sujetFish Ecology and Management StudiesTravaux en français237 207