Mardi 04 Août 2020

article

Le Global Biodiversity Information Facility (GBIF), le Finnish Biodiversity Information Facility (FinBIF) et Pensoft Publishers, sont heureux de lancer un appel aux auteurs pour qu'ils soumettent et publient des data papers sur la Russie européenne (à l'ouest de l'Oural) dans une édition spéciale à venir du Biodiversity Data Journal (BDJ).

 

D'ici le 31 août 2020, les frais de traitement des articles (normalement 450 €) seront supprimés pour les 20 premiers articles, à condition que les publications soient acceptées et répondent aux critères suivants :

 

Le manuscrit doit être préparé en anglais et soumis conformément aux instructions du BDJ aux auteurs avant le 31 août 2020. Les soumissions tardives ne seront pas éligibles aux dérogations APC.

 

Le parrainage est limité aux 20 premières soumissions acceptées répondant à ces critères selon le principe du premier arrivé, premier servi. L'appel à candidatures peut donc être clôturé avant la date limite fixée au 31 août. Les auteurs peuvent contribuer à plusieurs manuscrits, mais la division artificielle des données et des description de données logiquement uniformes, ou «saucissonnage», n'est pas autorisée.

 

En plus de l'instruction BDJ aux auteurs, il est nécessaire que les jeux de données référencés à partir de Data paper a) citent le DOI du jeu de données et b) apparaissent dans la liste de références du document.

 

Plus d'information (en anglais) ici

 

Grand bourdon à queue rouge (Bombus lapidarius), District de Mikhailovsky, Fédération de Russie. Photo 2019 Polina Yakovlevna Likhacheva via iNaturalist Research-grade Observations, sous licence CC BY-NC 4.0.

Décrire et comprendre les biais taxonomiques et leurs causes sont des priorités indéniables. Les tentatives d'explication des biais taxonomiques incluent, en plus des raisons évidentes et intrinsèques (telles que les espèces dans des régions éloignées), des facteurs extrinsèques, tels que les sujets de recherche et les pressions sociétales.

Dans cette étude, les chercheurs mesurent l'impact relatif de la recherche taxonomique et des préférences sociétales sur le biais taxonomique dans les données accessibles via le GBIF, la plus grande base de données sur la biodiversité en libre accès au monde.

 

En prenant en compte plusieurs paramètres, ils ont cherché à évaluer le biais et la précision de 626 millions d'occurrences, soit un million d'espèces réparties en 24 classes taxonomiques. Leur étude montre que 94% des occurrences sont identifiées au moins au niveau de l'espèce, avec cepndant de grandes variations selon les taxons.

 

Ils ont ensuite comparé le nombre d'espèces présentant des occurrences avec la richesse spécifique connue pour chaque classe; les oiseaux et les insectes représentent respectivement les classes les plus sur- et sous-représentées, confirmant ainsi un biais déjà connu mais qui ne s'améliore pas avec l'augmentation du nombre de données.

Reliant ces résultats au nombre de résultats Web pour différentes espèces en tant que proxy pour les préférences sociétales, leur modèle a révélé plusieurs corrélations significatives montrant qu'une forte préférence sociétale est liée à un nombre élevé d'occurrences dans le GBIF. Ce n'était cependant pas le cas pour la recherche taxonomique (évaluée par le nombre de publications de recherche publiées), pour laquelle le modèle révélait moins de corrélations qui, dans certains cas, étaient même négatives. Par exemple, pour la classe des Agaricomycètes, un gros volume de publications de recherche était lié à un nombre plus faible d'occurrences dans le GBIF.

 

Cet article a été publié le 22 août 2017 sur le site de la revue scientifique Nature par :

  • Julien Troudet (doctorant affilié à l'UMR 7205 : Institut de systématique, évolution, biodiversité),
  • Philippe Grandcolas(délégé associé au GBIF France et directeur de l'UMR 7205),
  • Amandine Blin (responsable technique dans l'équipe du Plateau de Morphométrie - UMR 2700 OMSI),
  • Régine Vignes-Lebbe (coordinatrice scientifque à l'équipe du GBIF France et Enseignant chercheur à l'UMR 7205)
  • Frédéric Legendre (Enseignant chercheur à l'UMR 7205)

 

Pour consulter l'article en question (en anglais) : Taxonomic bias in biodiversity data and societal preferences

Vous pouvez également consulter l'analyse d'utilisation des données accessibles via le GBIF citées dans l'article ici (en anglais également).

Polyrhachis armata by budak via iNaturalist licensed under CC BY-NC 4.0.

Revenir en haut