Comprendre, partager, ré-utiliser les données de biodiversité: Note explicative sur la complémentarité des systèmes d’information
Bibliographic record
Abstract
Comprendre, partager et ré-utiliser les données de biodiversité : Note explicative sur la complémentarité des systèmes d'information SIB -SINP -GBIF -PNDB.PatriNat (OFB-MNHN-CNRS-IRD) -Centre d'expertise et de données sur le patrimoine naturel.23 pages.Etalab-2.0. PatriNat Centre d'expertise et de données sur le patrimoine naturelDans une unité scientifique associant des ingénieurs, des experts et des spécialistes de la donnée, PatriNat rapproche les compétences et les moyens de ses quatre tutelles que sont l'OFB, le MNHN, le CNRS et l'IRD.PatriNat coordonne des programmes nationaux d'acquisition de connaissance pour cartographier les écosystèmes, les espèces et les aires protégées, surveiller les tendances de la biodiversité terrestre et marine, répertorier les zones clefs pour la conservation de la nature (ZNIEFF), et produire des référentiels scientifiques et techniques (TaxRef, HabRef, etc.).Ces programmes associent de nombreux partenaires et fédèrent les citoyens à travers des observatoires de sciences participatives (tels que Vigie-Nature, INPN espèces ou Vigie-terre).PatriNat développe des systèmes d'information permettant de standardiser, partager, découvrir, synthétiser et archiver les données aussi bien pour les politiques publiques (SIB, SINP) que pour la recherche (PNDB) en assurant le lien avec les systèmes internationaux (GBIF, CDDA, etc.) PatriNat apporte son expertise dans l'interprétation des données pour accompagner les acteurs et aider les décideurs à orienter leurs politiques : production d'indicateurs, notamment pour l'Observatoire national de la biodiversité (ONB) et des livrets de chiffres clés, élaboration des Listes rouges des espèces et écosystèmes menacés, revues systématiques, préparation des rapportages pour les directives européennes, élaboration d'outils de diagnostic de la biodiversité pour les acteurs des territoires, ou encore évaluation de l'efficacité des mesures de restauration.PatriNat organise également l'autorité scientifique CITES pour la France.L'ensemble des informations (de la donnée brute à la donnée de synthèse) est rendu publique dans les portails NatureFrance, INPN et Compteur BIOM.
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 | 0.046 | 0.119 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.015 | 0.018 |
| Open science | 0.005 | 0.008 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.005 |
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".