Conservación de praderas en el conosur: valoración de las áreas protegidas existentes
Bibliographic record
Abstract
Las características de los ecosistemas de praderas han llevado a que éstos sean los más extensamente modificados por el ser humano. Sus suelos fértiles, falta de árboles y topografía llevaron a la transformación del ecosistema. A este aspecto se le suma su casi total desprotección en términos de existencia de áreas protegidas. De acuerdo con la lista de Parques Nacionales y Áreas Protegidas de las Naciones Unidas (1993) y con la UICN (2002), el bioma de praderas templadas solo tiene un 0.69% de su superficie bajo protección, la menor proporción de los 15 biomas terrestres existentes en el mundo. La situación de las áreas protegidas en la bioregión pampa es crítica. Así lo confirma no solo la extensión del territorio bajo protección (que como en todo bioma de pradera es mínimo) y el grado de control, sino también el uso de la tierra en las áreas no protegidas. Este ultimo punto es de fundamental importancia. Es importante aumentar el porcentaje de territorio bajo protección efectiva a un 10% (lo cual parece políticamente imposible en el corto plazo) y mejorar las políticas existentes en el área productiva. Un sistema de áreas protegidas que esté rodeado de áreas con un grado de modificación importante y creciente no cumplirá sus objetivos de conservación.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".