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
Malgré les efforts considérables déployés pour enrayer la perte de biodiversité au Canada, le déclin se poursuit. Il est de plus en plus reconnu que les facteurs directs de la perte de biodiversité, tels que l'exploitation des ressources et la pollution, sont perpétués en partie par des conflits d'objectifs et de valeurs entre les secteurs économiques, sociaux, politiques et technologiques, ainsi que par des inégalités à de nombreuses échelles. Il est nécessaire de s'attaquer à ces problèmes pour créer le changement transformateur requis pour inverser le déclin de la biodiversité. Le Cadre mondial pour la biodiversité 2022 Kunming-Montréal (CMBKM) vise à mettre à profit les enseignements tirés des précédentes tentatives multilatérales pour enrayer la perte de biodiversité. Le cadre s'appuie sur 23 cibles, à atteindre d'ici 2030, qui relèvent des thèmes suivants : réduction des menaces pesant sur la biodiversité, utilisation durable des ressources pour répondre aux besoins humains, et outils et solutions pour la mise en œuvre et l'intégration. Nous avons consulté des experts en biodiversité de divers domaines et secteurs, y compris des spécialistes des sciences naturelles, sociales et autochtones issus du monde universitaire, d'organisations non gouvernementales et de gouvernements. Nous présentons ici les points de vue de cette communauté d'experts sur les besoins principaux en matière de connaissances et de sciences qui renforceront la capacité du Canada à atteindre les objectifs et les cibles du CMBKM. Le rapport décrit 78 besoins spécifiques aux cibles, allant de lacunes spécifiques dans le suivi de la biodiversité à des priorités de recherche suggérées. Huit concepts clés ont également été identifiés pour soutenir le changement transformateur dans la lutte contre la perte de biodiversité, notamment 1) transformer plus efficacement les connaissances sur la biodiversité en actions, 2) Centrer les peuples et les systèmes de connaissances autochtones, 3) Élargir l'optique à travers laquelle nous comprenons et abordons la conservation par le biais de la recherche en sciences sociales et humaines, 4) améliorer la collaboration entre les secteurs et au sein de ceux-ci, 5) planifier et gérer la conservation avec les utilisateurs des ressources sur le terrain, 6) améliorer la gestion des données, 7) intégrer de manière holistique les cibles du CMBKM, 8) comprendre comment mettre à l'échelle les informations sur la biodiversité, de l'échelle locale à l'échelle nationale. En outre, nous suggérons des domaines de recherche transversaux qui pourraient générer des informations importantes : 1) évaluer l'efficacité des mesures actuelles de gestion de la biodiversité, 2) développer des initiatives autochtones en matière de biodiversité pour permettre la pleine participation des peuples autochtones à la gestion de la biodiversité, 3) des efforts accrus pour inclure la recherche en sciences sociales dans la conservation, et 4) identifier la manière dont les sociétés et les cultures valorisent le capital naturel et les services écosystémiques.
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 ».