Making the most of existing data in conservation research
Notice bibliographique
Résumé
Much attention in recent years has been focused on making biodiversity data open and accessible to researchers. Yet ensuring the availability of these data is only the first step in preventing data waste. Here, we argue that researchers need to do a better job of using available datasets. We recommend that researchers search for existing data sources to serve their needs first, that they work to integrate multiple data sources when one alone will not suffice, and that they aim to explore research topics that will directly inform conservation action. We provide a roadmap with resources and examples to help guide conservation researchers towards better data-use practices. The vast quantities of biodiversity data, coupled with advanced techniques for using and integrating datasets, will play a key role in determining how to halt biodiversity declines. Making data open and accessible is only the start; we must be sure that we are using that existing data to conduct further research and inform decisions.
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 | 0,296 | 0,542 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,032 | 0,035 |
| Études des sciences et des technologies | 0,012 | 0,035 |
| Communication savante | 0,041 | 0,113 |
| Science ouverte | 0,015 | 0,041 |
| Intégrité de la recherche | 0,014 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,017 |
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 ».