MétaCan
Menu
Retour à la cohorte
Enregistrement W2543936216 · doi:10.1080/11956860.2003.11682773

Assessment of patterns of temperature-dependent sex determination using maximum likelihood model selection

2003· article· en· W2543936216 sur OpenAlexvenueno aff
Matthew H. Godfrey, Virginie Delmas, Marc Girondot

Notice bibliographique

RevueEcoscience · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncubationBiologySelection (genetic algorithm)StatisticsMaximum likelihoodMathematicsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Sex determination in some reptiles is independent of egg incubation temperature and is called genotypic sex determination (GSD). In many other reptiles, sexual phenotype is dependent on incubation temperature. This phenomenon is called temperature-dependent sex determination (TSD). TSD is categorized by three patterns, based on the majority sex produced at lower and higher incubation temperatures, named MF for Male-Female, FM for Female-Male, or FMF for Female-Male-Female. When large numbers of eggs are incubated at many different incubation temperatures, the assessment of TSD pattern is unambiguous, but when few eggs or few incubation temperatures are used, the categorization of TSD pattern is less straightforward. We propose a new methodology based on maximum likelihood model selection that evaluates and ranks the performance of four descriptive models of sex determination for discrete datasets. This method has the added benefit of giving standardized definitions of two commonly reported parameters of TSD: the pivotal temperature and the transitional range of temperature. Standardization of analyses will help facilitate cross-species meta-analyses of TSD in reptiles.

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)0,030
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,244 · 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'étudeSimulation ou modélisation
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

Citations49
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetWildlife Ecology and ConservationTravaux en français237 207