MétaCan
Menu
Retour à la cohorte
Enregistrement W1967964916 · doi:10.1890/130298

Linking human well‐being and jellyfish: ecosystem services, impacts, and societal responses

2014· review· en· W1967964916 sur OpenAlexaff
William M. Graham, Stefan Gelcich, Kelly L. Robinson, Carlos M. Duarte, Lucas Brotz, Jennifer E. Purcell, Laurence P. Madin, Hermes Mianzán, Kelly R. Sutherland, Shin-ichi Uye, Kylie A. Pitt, Cathy H. Lucas, Molly Bøgeberg, Richard D. Brodeur, Robert H. Condon

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2014
Typereview
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine Invertebrate Physiology and Ecology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésJellyfishEcosystem servicesProvisioningEcosystemEnvironmental resource managementContext (archaeology)BusinessEcologyGeographyBiologyEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Jellyfish are usually perceived as harmful to humans and are seen as “pests”. This negative perception has hindered knowledge regarding their value in terms of ecosystem services. As humans increasingly modify and interact with coastal ecosystems, it is important to evaluate the benefits and costs of jellyfish, given that jellyfish bloom size, frequency, duration, and extent are apparently increasing in some regions of the world. Here we explore those benefits and costs as categorized by regulating, supporting, cultural, and provisioning ecosystem services. A geographical perspective of human vulnerability to jellyfish over four categories of human well‐being (health care, food, energy, and freshwater production) is also discussed in the context of thresholds and trade‐offs to enable social adaptation. Whereas beneficial services provided by jellyfish likely scale linearly with biomass (perhaps peaking at a saturation point), non‐linear thresholds exist for negative impacts to ecosystem services. We suggest that costly adaptive strategies will outpace the beneficial services if jellyfish populations continue to increase in the future.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,814
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations169
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetMarine Invertebrate Physiology and EcologyTravaux en français237 207