The importance of consensus science to managing phosphorus in the environment: SERA‐17 and the legacy of Andrew Sharpley
Notice bibliographique
Résumé
Phosphorus (P) loss from agricultural systems to surface waters, and ultimately, eutrophication, presents a wicked problem requiring transdisciplinary solutions. The mission of SERA-17 (Southern Extension and Research Advisory Information Exchange Group-17) has been to address this problem by developing "Innovative Solutions to Minimize Phosphorus Losses from Agriculture." Over the course of his career, Dr. Andrew Sharpley demonstrated a rare ability to collaboratively achieve consensus around issues related to the science and management of P. The SERA-17 organization served as the central community of experts and stakeholders where that consensus was built and applied. The consensus-based approach, demonstrated by Sharpley and at the core of the SERA-17 organization, was routinely applied to key areas of P science to produce applied outcomes that have been readily adopted: advance foundational science to resolve knowledge gaps and to promote innovation; promote consistency in methods to facilitate comprehensive investigations and conclusions across a diversity of systems; engage diverse stakeholders to prioritize research, and ultimately, ensure that outcomes reflect a plurality of perspectives; and deliver pragmatic solutions that reflect the best information available at a particular time. We review the history of SERA-17 in delivering new science and management recommendations for P, with an eye to elucidating Sharpley's role and legacy in this process.
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 | 0,051 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».