論文の概要: Leveraging traditional ecological knowledge in ecosystem restoration
projects utilizing machine learning
- arxiv url: http://arxiv.org/abs/2006.12387v3
- Date: Tue, 15 Sep 2020 15:05:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-13 05:00:29.088444
- Title: Leveraging traditional ecological knowledge in ecosystem restoration
projects utilizing machine learning
- Title(参考訳): 機械学習を活用した生態系修復プロジェクトにおける伝統的な生態知識の活用
- Authors: Bogdana Rakova and Alexander Winter
- Abstract要約: 生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。
適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
- 参考スコア(独自算出の注目度): 77.34726150561087
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ecosystem restoration has been recognized to be critical to achieving
accelerating progress on all of the United Nations' Sustainable Development
Goals. Decision makers, policymakers, data scientists, earth scientists, and
other scholars working on these projects could positively benefit from the
explicit consideration and inclusion of diverse perspectives. Community
engagement throughout the stages of ecosystem restoration projects could
contribute to improved community well-being, the conservation of biodiversity,
ecosystem functions, and the resilience of socio-ecological systems. Conceptual
frameworks are needed for the meaningful integration of traditional ecological
knowledge of indigenous peoples and local communities with data science and
machine learning work practices. Adaptive frameworks would consider and address
the needs and challenges of local communities and geographic locations by
improving community and inter-agent communication around restoration and
conservation projects and by making relevant real-time data accessible. In this
paper, we provide a brief analysis of existing Machine Learning (ML)
applications for forest ecosystem restoration projects. We go on to question if
their inherent limitations may prevent them from being able to adequately
address socio-cultural aspects of the well-being of all involved stakeholders.
Bias and unintended consequences pose significant risks of downstream negative
implications of ML-based solutions. We suggest that adaptive and scalable
practices could incentivize interdisciplinary collaboration during all stages
of ecosystemic ML restoration projects and align incentives between human and
algorithmic actors. Furthermore, framing ML projects as open and reiterative
processes can facilitate access on various levels and create incentives that
lead to catalytic cooperation in the scaling of restoration efforts.
- Abstract(参考訳): 生態系の回復は、国連の持続可能な開発目標の全てにおいて、加速的な進歩を達成するために重要であると認識されている。
意思決定者、政策立案者、データサイエンティスト、地球科学者、そしてこれらのプロジェクトに取り組んでいる他の学者は、明示的な考察と多様な視点の包含の恩恵を受けるかもしれない。
生態系修復プロジェクトにおけるコミュニティの関与は、地域社会の健全性の向上、生物多様性の保全、生態系機能、社会生態システムのレジリエンスに寄与する可能性がある。
概念的フレームワークは、先住民や地域社会の伝統的な生態学的知識とデータサイエンスと機械学習の実践を有意義に統合するために必要である。
適応的なフレームワークは、地域社会と地理的な場所のニーズと課題を考察し、修復・保全プロジェクトに関するコミュニティとエージェント間のコミュニケーションを改善し、関連するリアルタイムデータをアクセス可能にする。
本稿では,森林生態系修復プロジェクトにおける既存の機械学習(ml)アプリケーションの簡単な分析を行う。
我々は、それらの固有の制限が、関与するすべての利害関係者の幸福の社会文化的側面を適切に扱うことができないかどうか疑問に思う。
バイアスと意図しない結果は、MLベースのソリューションの下流のネガティブな影響の重大なリスクを引き起こす。
適応的かつスケーラブルなプラクティスは,エコシステム型ml修復プロジェクトのすべての段階において学際的なコラボレーションをインセンティブにし,人間とアルゴリズムのアクタ間のインセンティブを調整できることを示唆する。
さらに、オープンかつ反復的なプロセスとしてMLプロジェクトをフレーミングすることで、さまざまなレベルへのアクセスを容易にし、修復作業のスケーリングにおいて触媒協力につながるインセンティブを生み出すことができる。
関連論文リスト
- Advancing Sustainability via Recommender Systems: A Survey [23.364932316026973]
ヒトの行動パターンと消費パラダイムは、環境劣化と気候変動において重要な決定要因として現れてきた。
持続可能性原則を取り入れて、環境意識と社会的に責任のある選択を育む、持続可能なレコメンデーターシステムの必要性が不可欠である。
本研究は, 持続可能なレコメンデーションシステムの体系的分析によって, この重要な研究ギャップに対処するものである。
論文 参考訳(メタデータ) (2024-11-12T09:19:32Z) - Formal Verification of Ecosystem Restoration Requirements using UML and Alloy [0.0]
国連は、現在の10年間(2021-2030年)を「生態系再生に関する国連の10年」と宣言した。
本稿では,モデル駆動工学の観点から形式的手法を用いた生態系要求モデリングのための厳密なアプローチを提案する。
このアプローチの概念とアクティビティは、修復されたCosta Ricanエコシステムの現実的な実行例であるCRESTOで説明されています。
論文 参考訳(メタデータ) (2024-05-31T09:25:40Z) - How to Sustain a Scientific Open-Source Software Ecosystem: Learning
from the Astropy Project [9.049664874474736]
本研究では,科学的OSSの持続可能性を高めるための課題と機会について検討する。
天体物理学の分野で広く使われているソフトウェアエコシステムであるアストロピー・プロジェクト(Astropy Project)のケーススタディを行った。
論文 参考訳(メタデータ) (2024-02-23T03:54:53Z) - Rethinking Machine Unlearning for Large Language Models [85.92660644100582]
大規模言語モデル(LLM)の領域における機械学習の研究
このイニシアチブは、望ましくないデータの影響(機密情報や違法情報など)と関連するモデル機能を排除することを目的としている。
論文 参考訳(メタデータ) (2024-02-13T20:51:58Z) - A Knowledge-Oriented Approach to Enhance Integration and Communicability
in the Polkadot Ecosystem [0.0]
本稿では,これらの課題に対処するために,ドメインオントロジーを含む概念的フレームワークであるPontoを提案する。
POntoはエコシステムの概念と関係を構造化した表現を提供し、プラットフォームを形式的に理解することを可能にする。
提案されたナレッジ指向のアプローチは、統合性とコミュニケーション性を高め、より広い範囲のユーザがエコシステムに参加し、AIベースのアプリケーションの開発を容易にすることを可能にする。
論文 参考訳(メタデータ) (2023-08-01T17:34:30Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳(メタデータ) (2023-05-22T17:18:29Z) - Building the Learning Environment for Sustainable Development: a
Co-creation approach [0.0]
本研究の目的は,情報通信技術に基づく教育活動の実施を促進または妨げうる信念と道徳的判断を明らかにすることである。
共同創造ワークショップに基づいて、責任、エンパワーメントの感覚、地元のリーダーシップ、本当のエコ・アポローチ、エコ・ナレッジという5つの一般的なカテゴリが登場した。
本研究は, 都市住民の環境支援行動の形成に向け, 教育活動のデザインに寄与する可能性がある。
論文 参考訳(メタデータ) (2022-08-30T11:11:01Z) - Seeing biodiversity: perspectives in machine learning for wildlife
conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。
本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文 参考訳(メタデータ) (2021-10-25T13:40:36Z) - Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。
市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。
本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文 参考訳(メタデータ) (2021-10-05T12:51:11Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳(メタデータ) (2021-04-10T13:40:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。