La biodiversité : concepts, tendances, menaces et perspectives
Notice bibliographique
Résumé
La biodiversité est un terme charismatique et phare de notre époque, de plus en plus employé dans la science, par les politiques et la société en général. Cependant, selon les personnes et contextes, ce terme n’est pas toujours défini de la même manière et peut renvoyer à une multitude d’enjeux, en particulier son érosion dont la réalité est à présent reconnue. À travers un article de vulgarisation et de synthèse, les auteurs, Sandra Diaz et Yadvinder Malhi, travaillant respectivement en Argentine et au Royaume Unis, proposent d’interroger le concept de biodiversité : comment la définir ? Comment l’évaluer, combien y a-t-il d’espèces vivantes : plusieurs millions ou plusieurs milliards ? >> Le saviez-vous ? Près de 90 % des espèces connues sont terrestres. Les auteurs discutent également l’ampleur des impacts humains sur la biodiversité, en particulier les vitesses d’extinction, qui peuvent être 100, 1000, 10 000 voire 100 000 fois plus rapides, en fonction des groupes d’espèces vivantes que lors des 5 grandes extinctions de masse connues. Ou encore les périodes pendant lesquelles les impacts massifs ont commencé. >> Le saviez-vous ? Plus de 98 % de la biomasse des mammifères a déjà disparu il y a 10 000 ans en raison de la chasse, de l’occupation de l’espace et de la transformation des paysages. Enfin, les auteurs examinent les causes profondes de l’extinction moderne en lien avec les facteurs directs et indirects de pression. >> Le saviez-vous ? 23 % du déclin de la biodiversité est dû à l’exploitation directe des espèces, comme la chasse, la pêche, la foresterie, l’agriculture, et non pas seulement à la surexploitation comme on entend souvent ?
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,106 | 0,106 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».