MétaCan
Menu
Retour à la cohorte
Enregistrement W4402819266 · doi:10.3390/land13091506

Delivering Systematic and Repeatable Area-Based Conservation Assessments: From Global to Local Scales

2024· article· en· W4402819266 sur OpenAlexaboutno aff
Diego Juffe‐Bignoli, Andrea Mandrici, Giacomo Delli, Aidin Niamir, Grégoire Dubois

Notice bibliographique

RevueLand · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental resource managementEnvironmental scienceNature ConservationEnvironmental planningGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Protected and conserved areas are a key area-based strategy to address the biodiversity and climate change crises. Indicators are fundamental to understanding performance over time. The Digital Observatory for Protected Areas (DOPA) was born in 2013 as a set of open-access web services and applications to be used to assess, monitor, and report on protected and conserved areas. For over a decade, it has delivered over 50 indicators to support policy processes, national and regional governments, and practitioners. DOPA has also developed a versatile and efficient back-end approach that is widely applicable in other area-based conservation contexts. Here, we describe the methods and workflows behind DOPA’s back end and provide examples of policy relevant questions it can answer. We discuss the key advantages and limitations of this systematic and replicable approach and explore the use of this back-end architecture to inform progress in area-based conservation targets for the following decades. This approach, embedded in multiple services provided by the Knowledge Centre for Biodiversity of the European Commission (KCBD), can also support the implementation and monitoring of area-based targets of the Kunming Montreal Global Biodiversity Framework at international, regional, and national levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandMême sujetLand Use and Ecosystem ServicesTravaux en français237 207