Speaking the same language: Aligning project designations to clarify communication in restoration ecology
Notice bibliographique
Résumé
As we enter the United Nations Decade of Ecosystem Restoration, the need to engage in restoration activities has never been greater. Included within this need is a requirement for clear communication between researchers, practitioners, policymakers, stakeholders, and community members. To facilitate the discussion and assessment of restorative activities, we propose two decision trees to differentiate between key restoration terms (Reclamation, Rehabilitation, Ecological Restoration, Rewilding, Landscape Restoration, Intra-Ecosystem Restoration, Reference Condition Restoration, and Ecological Reclamation) and to clarify how they relate to each other, based upon project scope and desired/intended project outcomes. Continued use of unclear terminology impedes practitioners or researchers from using the literature efficiently, to find precedents that could assist their current efforts. As such, increasing clarity of communications will ensure restoration is discussed within a framework of well-defined and agreed upon terms. It is our hope that this suggested framework will contribute to the ongoing and much needed terminology debate and help enhance cohesion on the use of key terms within the restoration focused literature. Given the increased focus upon restoration projects of any kind, especially during the UN's decade of ecosystem restoration, it is more important than ever that restoration practitioners speak the same language.
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 | 0,399 | 0,390 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,013 | 0,048 |
| Communication savante | 0,030 | 0,050 |
| Science ouverte | 0,007 | 0,022 |
| Intégrité de la recherche | 0,016 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».