Identifying Ocean‐Related Literature Using the UN Second World Ocean Assessment Report
Notice bibliographique
Résumé
In recent years, ocean governance has called for strategic action and science‐informed policy to work towards the sustainable development of the ocean, most notably as part of the UN Decade of Ocean Science for Sustainable Development (2021–2030). This common framework identifies the integration of scientific knowledge in governance as a key process to deliver solutions responding to the current challenges, opportunities, and transformations posed by global change in the oceans. This article presents a methodological approach for identifying ocean‐related research outputs and documenting research‐based knowledge integration in documents that inform ocean governance. Specifically, this study builds on an analysis of the references included in the UN Second World Ocean Assessment report to (a) identify and describe the research outputs cited in the distinct chapters of the report, (b) identify research outputs relevant to ocean governance through the analysis of citations from and to references included in the UN Second World Ocean Assessment, (c) compare both datasets to examine the position of the literature cited in the report within a broader ecosystem of ocean‐related research, and (d) present a method to identify topically relevant research that could be integrated in future ocean assessments. Our findings show distinct referencing practices across chapters and expert groups and a higher reliance on high‐profile sources in the report compared to a broader dataset of ocean research outputs. Moreover, this study highlights an innovative approach to identifying ocean research based on knowledge syntheses and considers discussion points about integrating research‐based knowledge in documents informing ocean governance.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».