MétaCan
Menu
Retour à la cohorte
Enregistrement W4381664918 · doi:10.1016/j.oneear.2023.05.014

Priorities for embedding ecological integrity in climate adaptation policy and practice

2023· article· en· W4381664918 sur OpenAlexaff
Paul R. Elsen, Lauren E. Oakes, Molly S. Cross, Alfred DeGemmis, James Watson, Hilary A. Cooke, Emily S. Darling, Kendall R. Jones, Heidi E. Kretser, Martín Mendez, Gautam Surya, Elizabeth Tully, Hedley S. Grantham

Notice bibliographique

RevueOne Earth · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of TorontoWildlife Conservation Society Canada
Organismes subventionnairesWildlife Conservation Society
Mots-clésAdaptation (eye)Environmental resource managementClimate changeClimate change adaptationEcologyEmbeddingClimate policyGeographyEnvironmental planningPolitical scienceEnvironmental scienceComputer sciencePsychologyBiologyNeuroscienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Humanity must adapt rapidly to climate change as the impacts accelerate. Growing scientific evidence underscores the role of ecological integrity in improving adaptation outcomes for nature and people by providing climate refugia for biodiversity, buffering natural hazards, protecting freshwater resources, and benefiting human health. However, climate adaptation initiatives have largely neglected to prioritize ecological integrity, even though it is critical for effective adaptation and achieving global conservation goals. Here, we highlight how climate and biodiversity policy and practice can help manage ecosystems for ecological integrity and ecological and social adaptation outcomes. We discuss challenges associated with operationalizing ecological integrity in adaptation policy and practice and describe seven priorities for scientists, policymakers, and practitioners to improve adaptation outcomes through supporting the retention of high-integrity ecosystems and the restoration of low-integrity ecosystems. Finally, we show how linking these priorities to UN frameworks on climate, biodiversity, and sustainable development would help attain the best outcomes for people and nature in a changing climate.

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)0,194
score de la tête « metaresearch » (Gemma)0,188
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,194
Score d'incertitude au seuil0,994

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1940,188
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,003
Études des sciences et des technologies0,0150,042
Communication savante0,0340,037
Science ouverte0,0080,035
Intégrité de la recherche0,0280,049
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,269
Tête enseignante GPT0,426
Écart entre enseignants0,157 · 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.

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

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOne EarthMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207