MétaCan
Menu
Retour à la cohorte
Enregistrement W4323556443 · doi:10.31235/osf.io/54vtr

Will there be human rights-based litigation tackling biodiversity loss as a systemic threat?

2023· preprint· en· W4323556443 sur OpenAlexaboutno aff
Elisabeth Veronika Henn, Laura von Vittorelli, Ralf Seppelt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental law and policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityHuman rightsClimate changeAdjudicationArgument (complex analysis)Political scienceGeographyEnvironmental resource managementNatural resource economicsLawEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

With biodiversity steadily declining at unprecedented rates, ecosystem functioning and humanity’s life-supporting safety net are at risk. The irreversible loss of life-supporting ecosystem functions increasingly limits opportunities for the exercise of fundamental rights and freedoms of the younger as well as future generations. As regards climate change and its negative human rights impacts, there are numerous human rights-based climate change cases. We argue that human rights-based litigation addressing the systemic threat of biodiversity decline can learn from such cases. Against the background of the first ground-breaking climate change decision of the German Federal Constitutional Court (FCC) ‘Neubauer et al. vs. Federal Republic of Germany’, we discuss in how far the judicial line of argument can be used in cases regarding countries’ insufficient action to fight biodiversity decline. Particularly the Kunming-Montreal Global Biodiversity Framework (GBF) is analysed in detail with respect to both, the judicial elements needed and the requirements to biodiversity science to provide relevant measures and indicators. We conclude that GBF is very well suited to support human rights-based adjudication against the systemic threat of biodiversity decline.

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)0,019
score de la tête « metaresearch » (Gemma)0,034
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,018
Communication savante0,0130,010
Science ouverte0,0020,005
Intégrité de la recherche0,0200,011
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,329
Écart entre enseignants0,283 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnvironmental law and policyTravaux en français237 207