PASSIFOR-2 : Proposition d'Amélioration du Système de Suivi de la biodiversité FORestière (phase 2 du projet, 2019-2022) - Rapport final
Bibliographic record
Abstract
A cause de la rareté des suivis de biodiversité en forêt, ce sont surtout des mesures réalisées sur les arbres (comme le bois mort) qui servent d’indicateurs (indirects) de biodiversité pour la forêt. Or seuls des suivis directs de biodiversité permettent de véritablement documenter l’état et la dynamique de celle-ci et d’évaluer l’influence des politiques publiques et des pratiques de gestion à son égard. En lien étroit avec le programme de Surveillance de la biodiversité terrestre, le projet PASSIFOR2 a abouti à une première proposition de maquette – c’est-à-dire d’assemblages de dispositifs de suivis existants ou à créer – pour suivre la biodiversité en forêt à l’échelle de la France métropolitaine. Les apports originaux du projet ont été d’expliciter les objectifs de ces suivis en lien avec les acteurs concernés, d’impliquer les dispositifs existants, de prêter une attention particulière à la gouvernance de ces suivis, et de raisonner scientifiquement les modalités d’échantillonnage, de relevés et d’analyse de données pour bien répondre aux objectifs. PASSIFOR2 a permis de produire quatre grandes avancées : une méthode de construction de maquettes de suivi de biodiversité ; un choix objectif par analyse multi-critères des parties de biodiversité à suivre en priorité ; des propositions sur les variables dendrométriques et de gestion à suivre en parallèle des relevés de biodiversité, fondées sur l’analyse des changements de pratiques induits par les politiques publiques en forêt ; des résultats statistiques pour guider les plans d’échantillonnage et l’analyse des données de ces suivis.
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 | 0.016 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".