Assessing coverage of the monitoring framework of the Kunming-Montreal Global Biodiversity Framework and opportunities to fill gaps
Notice bibliographique
Résumé
The Kunming-Montreal Global Biodiversity Framework (GBF) is the most ambitious multilateral agreement on biodiversity to date. It calls for a whole-of-government and whole-of-society approach to halt and reverse biodiversity loss worldwide. The GBF's monitoring framework lays out how Parties to the Convention on Biological Diversity are expected to report on their progress. An expert group convened by the Convention on Biological Diversity, the Ad Hoc Technical Expert Group (AHTEG) on Indicators, provided guidance on its implementation, including a gap analysis to identify the strengths and limitations of the indicators in the monitoring framework. We present the results of the AHTEG gap analysis and provide recommendations on implementing and improving monitoring of the GBF. We compare three implementation scenarios, from worst-case to best-case: (1) Parties only report on required headline and binary indicators; (2) Parties also report on all headline indicator disaggregations and (3) Parties additionally report on all optional component and complementary indicators. In each case, the monitoring framework covers (1) between 19-40%, (2) 22-41% and (3) 29-47% of the elements in the GBF's goals and targets. Even in the best-case scenario (3), no indicators are available for 12% of the GBF's elements. In practice, the coverage and thus effectiveness of the monitoring framework will depend on which indicators (required and optional) and disaggregations countries apply. Substantial investment is required to collect the necessary data to compute indicators, infer change and effectively monitor progress. We highlight important next steps to progressively improve the efficacy of the monitoring framework.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».