Advancing transdisciplinary research on Madagascar's grassy biomes to support resilience in ecosystems and livelihoods
Notice bibliographique
Résumé
Abstract Grassy biomes (savanna and grasslands) are globally extensive and host a unique biodiversity that is of central importance to human livelihoods. We focus here on the island of Madagascar—a microcosm of the global tropics, covered in 80% grassy biomes—to illustrate how transdisciplinary approaches to research can clarify ecosystem dynamics, from evolutionary history to human land use. Research on Madagascar's human‐environment interactions has sparked debates about the role of past and current land use in shaping grassy biomes (e.g., pastoralism, cultivation, fire use). These debates echo those in other regions globally, and highlight obstacles to understanding and supporting both ecosystem and livelihood resilience. Like many tropical biodiversity hotspots, Madagascar faces converging challenges that can be aided by transdisciplinary research, including food and health insecurity, economic inequities, biodiversity loss, climate change, land conversion, and limited resource access. We present a framework to guide transdisciplinary research centered on improved understanding and management of grassy biomes on Madagascar by: (1) establishing a globally common terminology; (2) summarizing data contributions and scientific knowledge gaps relating to Madagascar's grassy biomes; (3) identifying priority research questions for Madagascar with applicability in other regions; and (4) highlighting transdisciplinary, inclusive approaches to research that can co‐benefit people and the ecosystems with which they interact.
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 | 0,011 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».