Besoins en matière de sciences et de connaissances pour soutenir la mise en oeuvre canadienne du Cadre mondial de la biodiversité de Kunming-Montréal
Notice bibliographique
Résumé
Biodiversity continues to decline in Canada despite significant efforts to halt losses. There is increasing recognition that direct drivers of biodiversity loss, such as resource exploitation and pollution, are perpetuated in part by conflicting goals and values across economic, social, political, and technological sectors, and inequity on many scales. Addressing these issues is necessary to create the transformative change required to reverse biodiversity decline. The 2022 Kunming-Montreal Global Biodiversity Framework (KMGBF) aims to build on the lessons learned from previous multilateral attempts to halt biodiversity loss. The framework is supported by 23 targets, to be achieved by 2030, that fall under the themes of reducing threats to biodiversity, sustainable resource use to meet human needs, and implementing tools and solutions to support biodiversity. We consulted with biodiversity experts from diverse fields and sectors including natural-, social- and Indigenous scientists from academia, non-governmental organizations, and government. Here we present this expert community’s perspectives on key knowledge and science needs that will strengthen Canada’s ability to achieve the KMGBF goals and targets. It outlines 78 target-specific needs that range from specific gaps in biodiversity monitoring to suggested research priorities. Eight key concepts were also identified that will support transformative change to address biodiversity loss including 1) more effectively transforming biodiversity knowledge into action, 2) centering Indigenous Peoples and knowledge systems, 3) broadening the lens through which we understand and approach conservation through social science and humanities research, 4) improved collaboration across and within sectors, 5) conservation planning and management with on-the-ground resource users, 6) improved data management, 7) holistic integration across KMGBF targets, 8) understanding how to scale biodiversity information from local to national scales. In addition, we suggest cross-cutting areas of research that could generate important information 1) evaluating the effectiveness of current biodiversity management actions, 2) developing Indigenous biodiversity initiatives to enable the full participation of Indigenous peoples in biodiversity management, 3) enhancing efforts to include social science research in conservation, and 4) identifying how societies and cultures value natural capital and 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».