Mapping Essential Life Support Areas to Achieve the Sustainable Development Goals
Notice bibliographique
Résumé
The United Nations 2030 Agenda for Sustainable Development (Agenda 2030) is a guiding star for countries, establishing a common vision for human and planetary well-being. However, approximately half of the Sustainable Development Goal (SDG) targets are severely or moderately off track for achievement by 2030, in part because decision-making around the SDGs is often undertaken by just a few governmental ministries. While the Agenda 2030 declares that the SDGs are “integrated and indivisible”, goals related to the environment often take a back seat to economic goals during national implementation. The UNDP led project ‘Mapping Nature for People and Planet’ demonstrates how countries can apply integrated spatial planning to facilitate inclusive decision-making for policy targets around the SDGs, the Kunming-Montreal Global Biodiversity Framework, the UN Framework Convention on Climate Change and other global conventions and frameworks. The project supports countries in developing a singular map of Essential Life Support Areas (ELSAs) that shows pathways for action to achieve multiple targets at once, including those at the nexus of nature, climate and sustainable development. At the base of the map are the country’s most pressing policy targets and current spatial data layers, hand-selected by national experts. This policy brief captures insights from this project to help policymakers use integrated spatial planning to support the achievement of SDGs, with a focus on those that are the most dependent on nature.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».