Giant taxon‐character matrices: quality of character constructions remains critical regardless of size
Notice bibliographique
Résumé
Giant morphological data matrices are increasingly common in cladistic analyses of vertebrate phylogeny, reporting numbers of characters never seen or expected before. However, the concern for size is usually not followed by an equivalent, if any, concern for character construction/selection criteria. Therefore, the question of whether quantity parallels quality for such influential works remains open. Here, we provide the largest compilation known to us of character construction methods and criteria, as derived from previous studies, and from our own de novo conceptualizations. Problematic character constructions inhibit the capacity of phylogenetic analyses to recover meaningful homology hypotheses and thus accurate clade structures. Upon a revision of two of the currently largest morphological datasets used to test squamate phylogeny, more than one-third of the almost 1000 characters analysed were classified within at least one of our categories of "types" of characters that should be avoided in cladistic investigations. These characters were removed or recoded, and the data matrices re-analysed, resulting in substantial changes in the sister group relationships for squamates, as compared to the original studies. Our results urge caution against certain types of character choices and constructions, also providing a methodological basis upon which problematic characters might be avoided.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,056 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».