MétaCan
Menu
Retour à la cohorte
Enregistrement W7126020775 · doi:10.1093/biosci/biaf071

Measuring the quality of species list governance

2025· article· en· W7126020775 sur OpenAlexaff
Stephen T. Garnett, Olaf Bánki, Saroj Kanta Barik, Alex J. Berryman, Patrice Bouchard, John S. Buckeridge, Les L. Christidis, María Marta Cigliano, Stijn Conix, Haylee Crawford-Weaver, Peter Paul van Dijk, Neil L Evenhuis, Craig Hilton‐Taylor, Donald Hobern, Claire Johnston, Ronell R. Klopper, Andreas Kroh, Marianne Le Roux, Thomas Pape, Richard L Pyle, Lauren Raz, Philip Thomas, L. Vandepitte, Nina Wambiji, Frank E. Zachos, Aaron Lien

Notice bibliographique

RevueBioScience · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAustralian Research CouncilLifeWatch – Niclas Öberg FoundationVlaamse regeringFonds De La Recherche Scientifique - FNRS
Mots-clésRubricCorporate governanceQuality (philosophy)Taxonomy (biology)Set (abstract data type)Independence (probability theory)

Résumé

récupéré en direct d'OpenAlex

Taxonomic lists are important tools for efficient communication about biodiversity. The processes by which they are created and maintained need to be robust, scientifically sound, and transparent. Articulating and scoring a set of governance quality indicators provides a way to assess the relative strengths of list management, gives list users a means to assess the quality of this process, augments the information available to list aggregators, and allows patterns to be measured over time and among forms of life. Based on published principles, we created 12 governance quality indicators which we tested on 16 lists spanning a range of taxonomic groups. Independence of taxonomy from nomenclature scored most strongly, but scores for local and regional involvement were lower. The governance quality indicators may eventually provide a rubric for assessing best practice species list governance but now need a period of further testing, review, and refinement before they are institutionalized.

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)0,040
score de la tête « metaresearch » (Gemma)0,112
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 enseignants0,040
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,112
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
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 Opus0,083
Tête enseignante GPT0,291
Écart entre enseignants0,208 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207