MétaCan
Menu
Retour à la cohorte
Enregistrement W4386190911 · doi:10.32942/x2689n

Assessing the multidimensional complexity of biodiversity using a globally standardized approach

2023· preprint· en· W4386190911 sur OpenAlexaboutno aff
Camille Fournier de Laurière, Robert M. McElderry, Ian Brettell, Johan van den Hoogen, Daniel S. Maynard, Carolina Bello Lozano, Lalasia Bialic‐Murphy, Camille S. Delavaux, Daisy H. Dent, T.S.J. Elliott, Laura G. van Galen, T. Bruce Lauber, Gabriel Reuben Smith, Leland K. Werden, Constantin M. Zohner, Thomas W. Crowther

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityGlobeEnvironmental resource managementEcosystemEcosystem servicesGeographyEcologyEnvironmental planningEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Quantifying biodiversity across the globe is critical for transparent reporting and assessment under the Kunming-Montreal Global Biodiversity Framework. Understanding the full complexity of biodiversity requires consideration of the variation of life across genetic, species and ecosystem levels. Achieving this in a globally-standardized way remains a key international challenge for biodiversity monitoring efforts. Here, we present the Sustainable Ecology and Economic Development (SEED) framework, which consolidates multiple dimensions of biodiversity into a single measure of biocomplexity as a holistic estimate of the current state of nature at a given location. The SEED framework continuously integrates state-of-the-art datasets and maps of the biological variation in plants, microbes, animals, and ecosystems to estimate the local biocomplexity across the planet relative to a comparable, minimally-disturbed ‘reference’ ecosystem. The SEED framework allows an assessment of ecological health in response to positive and negative human impacts, and informs decision makers who strive to improve the global state of nature.

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)0,009
score de la tête « metaresearch » (Gemma)0,018
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0180,015
Études des sciences et des technologies0,0010,003
Communication savante0,0060,006
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,277
Tête enseignante GPT0,412
Écart entre enseignants0,135 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetZoonotic diseases and public healthTravaux en français237 207