MétaCan
Menu
Retour à la cohorte
Enregistrement W2243951501

Is the spread of non-native plants in Alaska accelerating?

2007· article· en· W2243951501 sur OpenAlexaboutno aff
Matthew L. Carlson, Michael Shephard, Timothy B. Harrington, Sarah Reichard

Notice bibliographique

RevueGeneral Technical Report, Pacific Northwest Research Station, USDA Forest Service · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInvasive speciesNative plantThistleIntroduced speciesRiparian zoneBiologyPopulationPteridophytePhalaris arundinaceaGeographyBromus tectorumWetlandEcologyFernHabitat
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Alaska has remained relatively unaffected by non-native plants; however, recently the state has started to experience an influx of invasive non-native plants that the rest of the U.S. underwent 60–100 years ago. With the increase in population, gardening, development, and commerce there have been more frequent introductions to Alaska. Many of these species, such as meadow hawkweed (Hieracium caespitosum), Canada thistle (Cirsium arvense), and spotted knapweed (Centaurea biebersteinii), have only localized populations in Alaska. Other species such as reed canary grass (Phalaris arundinacea) and white sweetclover (Melilotus officinalis), both formerly used in roadside seed mixes, are now very widespread and are moving into riparian areas and wetlands. We review the available literature and Alaska’s statewide invasive plant database (AKEPIC, Alaska Exotic Plant Clearinghouse) to summarize changes in Alaska’s non-native flora over the last 65 years. We suggest that Alaska is not immune to invasion, but rather that the exponential increase in non-native plants experienced elsewhere is delayed by a half century. This review highlights the need for more intensive detection and rapid response work if Alaska is going to remain free of many of the invasive species problems that plague the contiguous U.S.

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)0,001
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: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,040
Tête enseignante GPT0,343
Écart entre enseignants0,303 · 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

Citations19
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeneral Technical Report, Pacific Northwest Research Station, USDA Forest ServiceMême sujetRangeland and Wildlife ManagementTravaux en français237 207