Geolokalizowane dane frekwencji na konferencjach stron CITES

Dlaczego to, kto pojawia się na spotkaniach o przyrodzie, ma znaczenie

Kiedy państwa zbierają się, by zdecydować, ile kości słoniowej, egzotycznego drewna lub rzadkich gadów można handlować, osoby w sali kształtują to, co stanie się potem z zagrożonymi gatunkami. Jednak do tej pory nikt nie dysponował jasnym, szczegółowym zapisem tego, kto naprawdę uczestniczy w dużych międzynarodowych spotkaniach regulujących ten handel. Ten artykuł przedstawia pierwszy kompleksowy, zanonimizowany i gotowy do mapowania zestaw danych obejmujący wszystkich uczestników prawie 50 lat podejmowania decyzji w ramach CITES — Konwencji o międzynarodowym handlu dzikimi zwierzętami i roślinami.

Globalne porozumienie w centrum handlu przyrodą

CITES jest głównym międzynarodowym porozumieniem mającym na celu zapewnienie, że handel globalny nie popycha dzikich zwierząt i roślin w kierunku wyginięcia. Od połowy lat 70. XX wieku prawie każde państwo dołączyło do konwencji. Co dwa lub trzy lata delegaci rządowi oraz obserwatorzy z organizacji, branży i grup rzeczniczych zbierają się na Konferencjach Stron (CoP), aby debatować nad zasadami handlu dotyczącymi ponad 40 000 gatunków. To właśnie na tych spotkaniach gatunki są przenoszone na listy ochronne lub z nich usuwane, a państwa przeglądają, jak dobrze realizowane są postanowienia traktatu. Pomimo tej centralnej roli, badacze, dziennikarze i rzecznicy nie dysponowali podstawowymi, spójnymi informacjami o tym, kto uczestniczy w tych negocjacjach, skąd przyjeżdża i jak te wzorce zmieniają się w czasie.

Przekształcanie nieuporządkowanych list uczestników w użyteczne informacje

Autorzy postanowili wypełnić tę lukę, gromadząc rejestry uczestników wszystkich 20 konferencji CITES odbytych w latach 1976–2025. Pozyskali 30 oficjalnych list obecności wydanych przez Sekretariat CITES, większość w postaci plików PDF ze strony traktatu oraz jedną wczesną listę z archiwów. Dokumenty te znacznie różniły się między latami: niektóre były zeskanowanymi obrazami, inne schludnymi tabelami cyfrowymi; niektóre zawierały pojedynczą długą kolumnę nazwisk, inne dwie lub więcej; zakres szczegółów dotyczących afiliacji, adresów i tytułów także był bardzo zróżnicowany. Korzystając z połączenia optycznego rozpoznawania znaków dla stron zeskanowanych i narzędzia w Pythonie, które odczytuje dokładną pozycję i styl każdego słowa, zespół zbudował elastyczny pipeline potrafiący wykrywać nagłówki krajów lub organizacji, rozdzielać poszczególne osoby na rekordy oraz śledzić, czy dany uczestnik reprezentował państwo będące Stroną traktatu, czy grupę obserwatorów.

Dodawanie miejsc, odległości i danych demograficznych

Po wyodrębnieniu bloków tekstu dotyczących poszczególnych uczestników autorzy sklasyfikowali tekst na podstawowe elementy informacji: do której delegacji ktoś należał, ewentualny honorowy tytuł, imię i nazwisko oraz afiliację organizacyjną. Nazwiska zostały następnie ustandaryzowane i zastąpione kryptograficznymi skrótami, tworząc anonimowe, ale spójne identyfikatory, które uniemożliwiają odtworzenie pierwotnych nazwisk. Zespół wykorzystał tekst afiliacji — takie jak nazwy miejscowości i państw — do wyszukania przybliżonych szerokości i długości geograficznych dla wielu uczestników, polegając na publicznych usługach mapowych. Aby chronić prywatność, celowo rozmyto dokładne lokalizacje do centroidów miasta, stanu lub kraju i zapisano, jak precyzyjny jest każdy współrzędny. Zmierzyli też, jak daleko każdy uczestnik podróżował, obliczając odległość między lokalizacją afiliacji a miastem-gospodarzem spotkania. Na koniec w większości przypadków wnioskowali o płeć uczestników przy użyciu wyspecjalizowanego narzędzia opartego na imionach, porównując wyniki z sytuacjami, w których dostępne były tytuły wskazujące na płeć, takie jak „Mr.” czy „Ms.”, aby zapewnić rozsądną dokładność.

Co zawiera końcowy zestaw danych

W efekcie powstał publiczny plik CSV z 20 297 rekordami uczestników obejmującymi wszystkie dotychczasowe konferencje CITES. Dla każdego wpisu zestaw danych zawiera numer spotkania, rok i miasto-gospodarza; czy uczestnik pochodził z delegacji Strony czy był obserwatorem (z drobniejszymi kategoriami, takimi jak organizacje pozarządowe lub sektor prywatny w ostatnich latach); ustandaryzowaną nazwę delegacji; anonimowy identyfikator osoby; oraz tekst afiliacji z usuniętymi danymi kontaktowymi. Zawiera także współrzędne geolokalizacyjne i wskaźnik poziomu ich precyzji, odległość przebyta na spotkanie, flagi binarne oznaczające status Strony kontra obserwator, wskaźniki płci wyprowadzone z tytułów i predykcji algorytmicznych oraz powszechne kody państw dla reprezentantów rządów. Autorzy raportują, że około 90 procent przetestowanych przypisań lokalizacji jest poprawne przynajmniej na poziomie kraju, a automatyczne oznaczenia płci zgadzają się z etykietami opartymi na tytułach w ponad 92 procentach przypadków.

Nowe sposoby badania władzy i obecności na rozmowach o przyrodzie

Ten nowy zestaw danych nie ocenia, czy CITES odnosi sukcesy czy porażki, ale znacznie ułatwia badanie, jak reprezentacja i wpływy mogą wiązać się z wynikami ochrony przyrody. Badacze mogą teraz pytać, które kraje regularnie się pojawiają, które regiony lub typy organizacji są niedoreprezentowane, jak daleko ludzie podróżują, by uczestniczyć, oraz jak sieci uczestnictwa między rządami, agencjami ONZ i organizacjami pozarządowymi ewoluowały na przestrzeni pięciu dekad. Ponieważ dane są geolokalizowane i zanonimizowane, mogą też wspierać analizy przestrzenne i sieciowe bez ujawniania tożsamości osób. W istocie artykuł przekształca porozrzucane, chaotyczne listy obecności w czyste, nadające się do wielokrotnego użycia źródło, które pomaga zobaczyć, kto ma miejsce przy stole, gdy świat decyduje o przyszłości handlu przyrodą.

Cytowanie: Blinova, D., Emuru, G., Emuru, R. et al. Geo-located attendance data for CITES Conferences of the Parties. Sci Data 13, 493 (2026). https://doi.org/10.1038/s41597-026-06799-y

Słowa kluczowe: CITES, handel dziką przyrodą, negocjacje międzynarodowe, dane dotyczące frekwencji, analiza geopr przestrzenna