Assessments of expected MPA outcomes can inform and improve biodiversity conservation: Case studies using The MPA Guide
Notice bibliographique
Résumé
Global, regional, and national targets have been set to protect and conserve at least 30 % of the ocean by 2030, in recognition of the important benefits of healthy ocean ecosystems, including for human well-being. Many of these targets recognize the importance of the quality, not just quantity, of areas that are included in the 30 %, such as marine protected areas (MPAs). For example, the Convention on Biological Diversity’s Global Biodiversity Framework Target 3 calls for areas to be effectively conserved and managed, ecologically representative, well-connected, and equitably governed. Protecting a percent area is not the sole goal – protection must be effective and equitable. To better understand the quality of biodiversity conservation afforded, in addition to the quantity of area protected, we looked at MPAs across 13 studies that used The MPA Guide and related tools to track Stage of Establishment and Level of Protection as measures of expected biodiversity conservation outcomes across diverse locations, scales, and cultural, political, and conservation contexts. We show that standardized assessments of MPA quality can help to (1) evaluate and improve existing MPAs; (2) plan new MPAs; (3) compare the quality of MPA protection across various scales; (4) track MPA quality, including progress towards coverage targets; (5) enable clear communication and collaboration, and (6) inform actions needed to achieve policy targets and their underlying environmental and social goals, among others. We share common opportunities, challenges, and recommendations for tracking MPA quality at various scales, and using these quality assessments to measure progress towards global targets.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».