Using geotagged crowdsourced data to assess the diverse socio-cultural values of conservation areas: England as a case study
Notice bibliographique
Résumé
Humanity benefits immensely from nature, including through cultural ecosystem services. Geotagged crowdsourced data provide an opportunity to characterize these services at large scales. Flickr data, for example, have been widely used as an indicator of recreational value, while Wikipedia data are increasingly being used as a measure of public interest, potentially capturing often overlooked and less-tangible aspects of socio-cultural values (such as educational, inspirational, and spiritual values). So far, few studies have explored how various geotagged crowdsourced data complement each other, or how correlated these may be, particularly at national scales. To address this knowledge gap, we compare Flickr and Wikipedia datasets in their ability to help characterize the sociocultural value of designated areas in England and assess how this value relates to species richness. Our results show that there was at least one Flickr photo in 35% of all designated areas in England, and at least one Wikipedia page in 60% of them. The Wikipedia and Flickr data were shown not to be independent of each other and were significantly correlated. Species richness was positively and significantly associated with the presence of at least one geotagged Wikipedia page; more biodiverse designated areas, however, were not any more likely to have at least one Flickr photo within them. Our results highlight the potential for new, emerging datasets to capture and communicate the socio-cultural value of nature, building on the strengths of more established crowdsourced data.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».