MétaCan
Menu
← Retour à la cohorte
Enregistrement W7133282617

Science and knowledge needs to support Canada’s implementation of the Kunming-Montreal Global Biodiversity Framework

2024· other· en· W7133282617 sur OpenAlexaboutno aff
Scott Wilson, Paul Smith, Ellen Kenchington, Myrle Ballard, Rachel Buxton, Kyle Bobiwash, Shawn J. Marshall, Elisabeth Gilmore, Élisabeth Abergel, Jeremy Allison, Devin Arbuthnott, Stephanie Avery-Gomm, Natalie C. Ban, Karen F. Beazley, Joseph R. Bennett, Elena Bennett, Allison D. Binley, Louise K. Blight, Lauren E. Bortolotti, David Browne, Erin K. Cameron, Kai M. A. Chan, Chelsea Chisholm, Cindy Chu, Steven J. Cooke, Féderica Palma, Daniel E. Duplisea, Christopher Edge, Barbara Frei, Lee Gomes, Connie Hart, Shari Hayne, Magali Houde, Aerin L. Jacob, Steve Javorek, Heather Kharouba, David R. Lapen, Tara G. Martin, Matthew Mitchell, Ilona Naujokaitis-Lewis, Elizabeth A. Nyboer, Mary O'Connor, Andrea Olive, Sarah Otto, Bradley Pickering, Richard Pither, Gary Pritchard, Ciara Raudsepp-Hearne, Jake Rice, Dominique G. Roche, Emily Rubidge, Mark Ryckman, Jeffery M. Saarela, Kella D. Sadler, Charles Shulman, Ian R. Siboo, Kevin A. Solarik, François Soulard, Carly C. Sponarski, Diana Stralberg, Éliane Ubalijoro, Andréa Ventimiglia, Carly D. Ziter

Notice bibliographique

RevueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityTransformative learningMeasurement of biodiversityIndigenousResource (disambiguation)Traditional knowledgeSustainable developmentSustainability
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

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 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)0,051
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,796
Score d'incertitude au seuil0,924

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0230,016
Communication savante0,0210,007
Science ouverte0,0070,013
Intégrité de la recherche0,0110,011
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,009
Tête enseignante GPT0,264
Écart entre enseignants0,254 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada→Travaux en français237 207→