The Kelp Forest Challenge: A collaborative global movement to protect and restore 4 million hectares of kelp forests
Notice bibliographique
Résumé
Abstract Marine kelp forests cover 1/3 of our world's coastlines, are heralded as a nature-based solution to address socio-environmental issues, connect hundreds of millions of people with the ocean, and support a rich web of biodiversity throughout our oceans. But they are increasingly threatened with some areas reporting over 90% declines in kelp forest cover in living memory. Despite their importance and the threats they face, kelp forests are entirely absent from the international conservation dialogue. No international laws, policies, or targets focus on kelp forests and very few countries consider them in their national policy. The Kelp Forest Challenge addresses that gap. Together with 252 kelp experts, professionals, and citizens from 25 countries, the Kelp Forest Challenge was developed as a grassroots vision of what the world can achieve for kelp forest conservation. It is a global call to restore 1 million and protect 3 million hectares of kelp forests by 2040. This is a monumental challenge, that will require coordination across multiple levels of society and the mobilization of immense resources. Pledges may therefore include area for protection or restoration, enabling pledges which assist in conservation (funding, equipment, professional expertise, capacity building), or awareness-based pledges which increase awareness or education about kelp forests. Correspondingly, participants may be from government, scientific institutions, private sector, NGOs, community groups, or individuals. This challenge is the beginning of a 17-year mission to save our kelp forests and anyone and any organisation is invited to participate.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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 ».