Les indicateurs de biodiversité marine et côtière : état des lieux institutionnel
Bibliographic record
Abstract
2010 est l’année de la biodiversité. Depuis les années quatre-vingt dix, un grand nombre d’indicateurs de biodiversité ont été mis en place pour en mesurer l’évolution. Nous avons souhaité faire dans ce papier une revue des indicateurs de biodiversité existant pour les milieux marins en nous focalisant sur ceux que l’on trouve dans les Conventions internationales ou régionales mais aussi dans les textes réglementaires et stratégiques à l’échelle française et européenne. Nous avons aussi cherché à identifier les cadres conceptuels à partir desquels ces indicateurs peuvent être interprétés.Ce travail a permis de souligner que la plupart des indicateurs ne s’inscrivent pas dans des cadres conceptuels précis mais plutôt au regard de grands « thèmes » très génériques. Par ailleurs, il apparaît que ces indicateurs sont finalement moins focalisés sur des composantes de la biodiversité que sur les pressions qui s’exercent sur elle ou les services qu’elle permet d’offrir à l’homme. Parmi les composantes de la biodiversité, les indicateurs focalisés sur les espèces et les habitats remarquables apparaissent comme dominants. Enfin, une part importante de ces indicateurs n’est en pratique pas utilisée ni renseignée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".