MétaCan
Menu
Retour à la cohorte
Enregistrement W2007131356 · doi:10.1139/cjz-2014-0013

How animals glide: from trajectory to morphology

2015· article· en· W2007131356 sur OpenAlexvenueno aff
John J. Socha, Farid Jafari, Yonatan Munk, Greg Byrnes

Notice bibliographique

RevueCanadian Journal of Zoology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomimetic flight and propulsion mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArboreal locomotionGliderFlappingBiologyTrajectoryAerodynamic forceLift (data mining)Range (aeronautics)TakeoffDragBird flightAerodynamicsWingAerospace engineeringEcologyComputer scienceMarine engineeringEngineeringPhysicsHabitat

Résumé

récupéré en direct d'OpenAlex

Animals that glide produce aerodynamic forces that enable transit through the air in both arboreal and aquatic environments. The relative ease of gliding compared with flapping flight has led to a large diversity of taxa that have evolved some degree of flight capability. Glide paths are curved, reflecting the changing forces on the animal as it progresses through its aerial trajectory. These changing forces can be under control of the glider, which uses specific aspects of anatomy to modulate lift, drag, and rotational moments on the body. However, gliders share no single anatomical or behavioral feature, and some species are unspecialized for gliding, producing aerodynamic forces using posture and orientation alone. Animals use gliding in a broad range of ecological roles, suggesting that multiple performance metrics are relevant for consideration, but we are only beginning to understand how gliders produce and control their flight from takeoff to landing. In this review, we focus on the physical aspects of how glide trajectories are produced, and additionally discuss the range of morphologies and postures that are used to control aerial movements across the broad diversity of animal gliders.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,027
Tête enseignante GPT0,205
Écart entre enseignants0,179 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations65
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetBiomimetic flight and propulsion mechanismsTravaux en français237 207