MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399628262 · doi:10.5751/es-15152-290217

Working together to scale ecosystem restoration: collective approaches to community action in Aotearoa New Zealand

2024· article· en· W4399628262 sur OpenAlexvenueno aff
K. B. MCFARLANE, Kiri Joy Wallace, Danielle F. Shanahan, Joanne E. Clapcott

Notice bibliographique

RevueEcology and Society · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAotearoaCollective actionScale (ratio)Environmental resource managementEcosystemRestoration ecologyAction (physics)Ecosystem servicesGeographyEnvironmental planningEcologyPolitical scienceEnvironmental scienceBiologyPolitics

Résumé

récupéré en direct d'OpenAlex

Community groups are key drivers of ecosystem restoration in many countries. However, there is increasingly recognition that small scale restoration efforts are often insufficient to reverse ongoing biodiversity declines, and questions have been raised regarding the sustainability and efficiency of community-based initiatives. In Aotearoa New Zealand, collectives that bring together multiple community groups and other actors have arisen as a mechanism to scale restoration activities and support community restoration efforts. This article examines the nature, role, and contribution of ecosystem restoration collectives in Aotearoa, based on a survey of 27 collectives in 2021. Collectives generally engage in governance activities like funding, administration, and advocacy, adding to the typically “hands on” work of community groups. Similarly, they improve ways of working by increasing connections and communication between groups, agencies, and the wider public. This study indicates that collectives contribute to scaling restoration by improving the efficiency and sustainability of community initiatives, increasing the spatial scale and social-ecological scope of restoration, and increasing the range of actors involved in restoration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,653

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,007
Communication savante0,0030,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,366
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and Society→Même sujetIndigenous Studies and Ecology→Travaux en français237 207→