A modified co-production framework for improved cross-border collaboration in sustainable forest management and conservation of forest bird populations
Notice bibliographique
Résumé
The border between Canada and the United States poses jurisdictional challenges when it comes to consistently implementing science-based conservation of forests and their biological communities. Through a partnership with the Sustainable Forestry Initiative, Boreal Avian Modelling Project, and American Bird Conservancy, we developed a co-production framework to conduct research that will inform forest management practices for bird conservation in the cross-border region of Bird Conservation Region 12. Our framework first responds to the needs of resource managers and other perceived stakeholders, while investing in relationship-building for long term trust as a foundation for future partnerships with Indigenous rights holders and landowners. Our central question was: How can sustainably managed forests create and/or maintain high quality breeding habitat to support forest bird populations that are resilient to climate change? Engaging with experts in Canada and the United States, we found that the main driver for addressing our central question was our limitation in connecting bird population responses to specific forest management practices. We describe how experts are contributing avian count and forest inventory data that researchers will use to produce a requested decision-support tool. We continue to engage with land managers to link forest resource inventory data to specific forest management practices and refine the components of products by including more diverse perspectives.
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 | 0,087 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,015 | 0,029 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,006 | 0,018 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».