Data from: Advancing transdisciplinary research on Madagascar's grassy biomes to support resilience in ecosystems and livelihoods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Madagascar-wide metadata relating to Malagasy Grassy Biomes. The understanding of vegetation dynamics in tropical grassy biomes is severely limited across spatio-temporal scales, limiting effective management and support for livelihoods and biodiversity. Despite their extent, utility, and central importance to people and ecosystem function, grassy biomes are often uncritically regarded as degraded, valueless landscapes that result primarily from destructive anthropogenic forces. Moreover, this characterization is often presented without investigation of their history, biodiversity, or ecological complexity. Iconically, Madagascar’s grassy biomes cover approximately 80% of the island’s land surface today and exemplify core challenges to understanding tropical grassy ecosystems and their interactions with anthropogenic activities across spatio-temporal scales. Intersections between human history and environmental change have sparked debates about the role of land use in shaping grassy biomes (e.g., pastoralism, cultivation, fire use), echoing land use debates globally, and highlighting obstacles to ecosystem and livelihood resilience. Like many tropical biodiversity hotspots, Madagascar faces converging challenges that can be aided by an improved understanding of grassy ecosystems and the livelihoods they support, including food and health insecurity, economic inequities, biodiversity loss, climate change, land conversion, and limited resource access. Centered on improved understanding and management of grassy biomes, we present a framework to guide transdisciplinary research across the tropics by: (1) establishing a common terminology; (2) summarising data contributions and knowledge gaps that reflect those in other tropical regions; (3) identifying priority research questions; and (4) highlighting transdisciplinary and inclusive approaches to resolve knowledge gaps and co-benefit ecosystems and livelihoods.
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.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle