MétaCan
Menu
Retour à la cohorte
Enregistrement W2035643846 · doi:10.1890/es11-00241.1

The influence of artificial light on stream and riparian ecosystems: questions, challenges, and perspectives

2011· article· en· W2035643846 sur OpenAlexaff
Elizabeth K. Perkin, Franz Hölker, John S. Richardson, Jon P. Sadler, Christian Wolter, Klement Tockner

Notice bibliographique

RevueEcosphere · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLeibniz-GemeinschaftEngineering and Physical Sciences Research CouncilBundesministerium für Bildung und Forschung
Mots-clésFreshwater ecosystemBiological dispersalEcosystemEcologyRiparian zoneLight pollutionArtificial lightEnvironmental sciencePopulationBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

Artificial light at night is gaining attention for its potential to alter ecosystems. Although terrestrial ecologists have observed that artificial light at night may disrupt migrations, feeding, and other important ecological functions, we know comparatively little about the role artificial light might play in disrupting freshwater and riparian ecosystems. We identify and discuss four future research domains that artificial light may influence in freshwater and associated terrestrial ecosystems, with an emphasis on running waters: (1) dispersal, (2) population genetics and evolution, (3) ecosystem functioning, and (4) potential interactions with other stressors. We suggest that future experimental and modeling studies should focus on the effects of different spectral emissions by different light sources on freshwater organisms, the spatial and temporal scale over which artificial light acts, and the magnitude of change in light at night across the landscape relative to the distribution of running and standing waters. Improved knowledge about the effects of artificial light on freshwater ecosystems will inform policy decisions about changes to artificial light spectral emissions and distributions.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,226
Écart entre enseignants0,202 · 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'étudeSans objet
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

Citations193
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcosphereMême sujetImpact of Light on Environment and HealthTravaux en français237 207