State of India’s Birds 2023: A framework to leverage semi-structured citizen science for bird conservation
Notice bibliographique
Résumé
Abstract Birds and their habitats are threatened with extinction around the world. Regional assessments of the ‘State of Birds’ are a vital means to prioritize data-driven conservation action by informing national and global policy. Such evaluations have traditionally relied on data derived from extensive, long-term, systematic surveys that require significant resources, limiting their feasibility to a few regions in the world. In the absence of such ‘structured’ long-term datasets, ‘semi-structured’ datasets have recently emerged as a promising alternative in other regions around the world. Semi-structured data are generated and uploaded by birdwatchers to citizen science platforms like eBird. Such data contain inherent biases because birdwatchers are not required to adhere to a fixed protocol. An evaluation of the status of birds from semi-structured data is therefore a difficult task that requires careful curation of data and the use of robust statistical methods to reduce errors and biases. In this paper, we present a methodology that was developed for this purpose, and was applied to produce the comprehensive State of India’s Birds (SoIB) 2023 report. SoIB 2023 assessed the status of 942 bird species in India by evaluating each species based on three metrics: 1) long-term change: change in abundance between the year 2022 and the year-interval pre-2000; 2) current annual trend: mean annual change in abundance from 2015 to 2022; and 3) distribution range size. We found evidence that 204 species have declined in the long term, and 142 species are currently declining. We present and discuss important insights about India’s birds that can guide research and conservation action in the region. We hope that the detailed methodology described here can act as a blueprint to produce State of Birds assessments from semi-structured citizen science datasets and springboard conservation action in many other regions where structured data is lacking but strong communities of birders exist. Open Research Statement The primary data are already publicly available on eBird (Sullivan et al. 2014), and other data are already published in a GitHub repository (stateofindiasbirds 2024).
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 | 0,023 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».