MétaCan
Menu
Retour à la cohorte
Enregistrement W4408143370 · doi:10.1016/j.cosust.2025.101521

Community-based approaches to biodiversity finance

2025· article· en· W4408143370 sur OpenAlexaboutno aff
Rosemary Hill, Diane Jarvis, Kirsten Maclean, Diego O Melgar, Emma Woodward, R. Carter, Ewamian Limited, Whitney Rassip, Phil Rist, Edmundo Claro

Notice bibliographique

RevueCurrent Opinion in Environmental Sustainability · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Business, Innovation and EmploymentCommonwealth Scientific and Industrial Research OrganisationCooperative Research Centre for Developing Northern AustraliaManaaki Whenua
Mots-clésBiodiversityBusinessEnvironmental resource managementEnvironmental scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Indigenous peoples and local communities live in, manage, and own large regions and require investment to finance their biodiversity management strategies. Their approaches are proactive and powerful, with clear agency to drive futures that include consistent biodiversity finance. Our literature review and illustrative case studies highlight five factors that influence how communities forge pathways based on their world views and knowledge systems, underpinned by recognition of rights, compensation for damage by colonizers, and establishment of organizations with culturally valid governance to leverage biodiversity finance. Global actors, such as the Parties to the Convention on Biological Diversity implementing the Kunming-Montreal Global Biodiversity Framework, need to understand the history and characteristics of these pathways and tailor their finance to suit — for example, to finance governance and organizational development for some and protected area management for others.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,008
Communication savante0,0070,007
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,000

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 Opus0,222
Tête enseignante GPT0,267
Écart entre enseignants0,044 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Environmental SustainabilityMême sujetEconomic and Environmental ValuationTravaux en français237 207