İhtiyar Dünyamızı Korumak ve Kaynakları Doğru Kullanmak
Bibliographic record
Abstract
İnsanoğlu, dünyamız kaynaklarını doğa kanunları doğrultusunda bilimin ve ahlakın ışığında kullanmıyor, maalesef cansız ve canlı yaşama çok müdahale ediliyor. Yeraltı ve yerüstü kaynaklarının yanlış ve aşırı tüketimi ekosistemi tahrip etmekte ve biyoçeşitliliği bozmaktadır. Unutulmamalıdır ki; küresel emisyonun %23’ü ekosistemin bozulmasıyla ilişkilidir (The Economist, The World In 2020, p:84). 2010 Yılındaki Nagoya/Japonya biyoçeşitlilik zirvesinde hükümetler 2020 için 20 hedef koymuşlardı. 196 ülkeyi bağlayan 20 hedefe balık tutmada sürdürülebilirlikten, hava kirliliğini düşürmeye kadar birçok konu girmiştir. 2022 Yılında Montreal’daki/Kanada COP15 BM Biyoçeşitlilik Konferansı’nda Nagoya’da karar altına alınan hiçbir hedefin gerçekleşmediği, canlı yaşamı savunma yerine yeşil badana denen makyajlamanın öne çıktığı itiraf edilmiştir. Montreal Zirvesi’nde 2030 itibariyle karaların ve denizlerin %30’unun korunması kararı çıkmıştır. Burada önemli olan hükümetlerin korumaya almadan ne anladıkları ve yaptıklarının ekolojistlerin söyledikleriyle ne ölçüde örtüştüğüdür. Canlı yaşam alanlarını korumak ve biyoçeşitlilik insan sağlığı için de çok önemlidir (ilaç yapımı gibi).
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.043 | 0.011 |
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".