The benefits of big-team science for conservation: Lessons learned from trinational monarch butterfly collaborations
Notice bibliographique
Résumé
Many pressing conservation issues are complex problems caused by multiple social and environmental drivers; their resolution is aided by interdisciplinary teams of scientists, decision makers, and stakeholders working together. In these situations, how do we generate science to effectively guide conservation (resource management and policy) decisions? This paper describes elements of successful big-team science in conservation, as well as shortcomings and lessons learned, based on our work with the monarch butterfly (Danaus plexippus) in North America. We summarize literature on effective science teams, extracting information about elements of success, effective implementation approaches, and barriers or pitfalls. We then describe recent and ongoing conservation science for the monarch butterfly in North America. We focus primarily on the activities of the Monarch Conservation Science Partnership–an international collaboration of interdisciplinary scientists, policy experts and natural resource managers spanning government, non-governmental and academic institutions—which developed science to inform imperilment status, recovery options, and monitoring strategies. We couch these science efforts in the adaptative management framework of Strategic Habitat Conservation, the business model for conservation employed by the US Fish and Wildlife Service to inform decision-making needs identified by stakeholders from Canada, the United States, and Mexico. We conclude with elements critical to effective big-team conservation science, discuss why science teams focused on applied conservation problems are unique relative to science teams focusing on traditional or theoretical research, and list benefits of big team science in conservation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,075 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,011 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».