Bending the curve of biodiversity loss requires a ‘satnav’ for nature
Notice bibliographique
Résumé
Georgina Mace proposed bending the curve of biodiversity loss as a fitting ambition for the Convention on Biological Diversity. The new Global Biodiversity Monitoring Framework (GBMF) may increase the chances of meeting the goals and targets in the Kunming-Montreal Global Biodiversity Framework (KMGBF), which requires bending the curve. To meet the outcome goals of KMGBF, the GBMF should support adaptive policy responses to the state of biodiversity, which in turn requires a 'satnav' for nature. The twin pillars of such a satnav are (i) models to predict expected future outcomes of today's choices; and (ii) rapid feedback from monitoring to enable course corrections and model improvement. These same elements will also empower organizations to ensure that their actions are truly nature-positive, but they are not yet written into the GBMF. Without a satnav, society will effectively have to try to find its way to the outcome goals by looking in the rear-view mirror that the current headline indicators provide. Drawing contrasts and parallels with climate modelling, I discuss challenges for indicators, models, data and research culture that must be overcome if we are to bend the curve, and suggest ways forward.This article is part of the discussion meeting issue 'Bending the curve towards nature recovery: building on Georgina Mace's legacy for a biodiverse future'.
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 | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,026 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,014 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».