GC Insights: Fostering transformative change for biodiversity restoration through transdisciplinary research
Notice bibliographique
Résumé
Abstract. According to a 2019 United Nations report, of all the known species, up to 1 million face extinction globally. Despite being considered a pressing global risk with several international efforts to protect and to restore, biodiversity loss and the degradation of ecosystems continue at an alarming rate. In December 2022, the UN Biodiversity Conference (COP15) saw the adoption of the Kunming-Montreal Global Biodiversity Framework, where four overarching international goals for biodiversity and 23 targets were set. While this is a positive step towards addressing the drivers of biodiversity loss, we will need not just public and political will but also more effective methods to integrate and use scientific information to reach the goals and targets outlined. To facilitate this, scientists and research institutions need to establish alternative and new approaches to transform the way science is conducted, communicated, and integrated into the policymaking process. This will require the scientific community to become proficient at working in interdisciplinary and transdisciplinary teams, establishing connectivity across scientific disciplines and engaging in the policymaking process to ensure that the best available scientific evidence is not only comprehensible to decision-makers but also timely and relevant. This commentary details how scientists can embrace transformative change within and outside of their own communities to increase the impact of their research and help reach global targets that benefit society.
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 | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,022 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,025 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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.
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 ».