Global Impacts Dataset of Invasive Alien Species (GIDIAS)
Notice bibliographique
Résumé
Invasive alien species are a major driver of global change, impacting biodiversity, ecosystem services, and human livelihoods. To document these impacts, we present the Global Impacts Dataset of Invasive Alien Species (GIDIAS), a dataset on the positive, negative and neutral impacts of invasive alien species on nature, nature's contributions to people, and good quality of life. This dataset arises from the Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services' (IPBES) thematic assessment report of this topic. Data were compiled from published sources, including grey literature, reporting a direct observation of an invasive alien species' impact. All impact records contain up to 52 fields of contextual information and attempt to link impacts to the global standard "environmental impact classification for alien taxa" (EICAT) and "socio-economic impact classification for alien taxa" (SEICAT). GIDIAS includes more than 22000 records of impacts caused by 3353 invasive alien species (plants, vertebrates, invertebrates, microorganisms) from all continents and realms (terrestrial, freshwater, marine), extracted from over 6700 sources. We intend GIDIAS to be a global resource for investigating and managing the variety of impacts of invasive alien species across taxa and regions.
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 | 0,001 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».