MétaCan
Menu
Retour à la cohorte
Enregistrement W4417430006 · doi:10.1111/csp2.70160

Conserving climate‐change refugia: Insights from research and practice

2025· article· en· W4417430006 sur OpenAlexaff
Toni Lyn Morelli, Tina G. Mozelewski, Cybil N. Cavalieri, Andrew J. Caven, Lindsay M. Dreiss, Rachel A. Hovel, Megan K. Jennings, Aji John, Gregory Kehm, Gunnar Keppel, Meg A. Krawchuk, Stephen F. Langdon, Joshua J. Lawler, Lauren M. Lyon, Garrett W. Meigs, Melissa Mora‐Gonzalez, Christopher P. Nadeau, Sandra Słowińska, Jessica Stolar, James H. Thorne, Jordon Tourville, Benjamin Zuckerberg, Diana Stralberg

Notice bibliographique

RevueConservation Science and Practice · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of AlbertaGeoscience BC
Organismes subventionnairesNortheast Climate Adaptation Science Center, University of Massachusetts Amherst
Mots-clésBridging (networking)Climate changeWork (physics)Field (mathematics)Diversity (politics)Action (physics)

Résumé

récupéré en direct d'OpenAlex

Abstract As the impacts of anthropogenic climate change increase, conservation of climate‐change refugia has become a key strategy for effective environmental stewardship. Over the last 5 years, the field of climate‐change refugia conservation has made exciting advances, shifting from concepts and theory to refugia mapping and implementation. However, few studies have advanced to action on the ground; while 84% of studies identified and mapped refugia, only 4% involved implementing management action. Moreover, taxonomic and geographic gaps remain, with most studies focused on terrestrial plants and vertebrates in Europe and North America. Here, we outline impediments to implementation following the steps of the Climate‐Change Refugia Conservation Cycle. Based on a systematic literature review, we elucidate advances and obstacles with examples from a diversity of systems and sectors from across the world and highlight emerging work bridging the gap between research and implementation.

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)0,045
score de la tête « metaresearch » (Gemma)0,079
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,011
Études des sciences et des technologies0,0020,009
Communication savante0,0090,010
Science ouverte0,0020,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,206
Tête enseignante GPT0,424
Écart entre enseignants0,218 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation Science and PracticeMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207