MétaCan
Menu
Retour à la cohorte
Enregistrement W4412661935 · doi:10.1016/j.ecolind.2025.113940

Advancing ecosystem service monitoring by mapping the current use of essential ecosystem service variables

2025· article· en· W4412661935 sur OpenAlexafffund
Sebastian Theis, Flavio Affinito, Peter S. Rodriguez, Marie-Josée Fortin, Andrew Gonzalez

Notice bibliographique

RevueEcological Indicators · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of TorontoMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEcosystem servicesEcosystemService (business)Current (fluid)Environmental resource managementEnvironmental scienceComputer scienceBusinessEcologyBiologyOceanography

Résumé

récupéré en direct d'OpenAlex

Essential variables are a well-established tool to support the calculation of ecological indicators. The recently conceptualized Essential Ecosystem Service Variables (EESVs) are regrouped into six classes – Ecological Supply , Demand , Use , Relational Value , Instrumental Value , and Anthropogenic Contribution – designed to capture changes in the multiple dimensions of ecosystem services. Prior to the proposal to monitor ecosystem services using EESVs, many variables relevant to these classes were already used in ecosystem services studies. Here, we perform a systematic retrospective analysis across disciplines to determine the potential of EESV classes for monitoring ecosystem services effectively. We conducted a comprehensive keyword search across 439 studies, based on a review paper on ecosystem services. Network analyses revealed that Anthropogenic Contribution had the highest overall presence based on odds ratios, while Relational Value was the least represented, often showing interdependencies with other classes and low network connectivity and centrality. Network centrality metrics identified Ecological Supply as the most interconnected class, reflecting its foundational role across studies. Journal analysis across seven major journal types showed a good overall distribution of EESV classes across fields, while still emphasizing disciplinary priorities. Urban journals focused more on Anthropogenic Contribution and Relational Value while biological journals prioritized Ecological Supply . Agricultural journals often highlighted Use and Demand as well as Instrumental Value and management and policy journals emphasized Instrumental Value . Addressing gaps in EESV class coverage stresses that underrepresented classes like Relational Value are empirically grounded and measurable, yet these classes are essential for monitoring both the ecological and socio-cultural dimensions of ecosystem services.

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)0,013
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,042
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0290,023
Études des sciences et des technologies0,0000,001
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,238
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological IndicatorsMême sujetLand Use and Ecosystem ServicesTravaux en français237 207