MétaCan
Menu
Retour à la cohorte
Enregistrement W2745089499 · doi:10.1126/science.aan0221

The biology of color

2017· review· en· W2745089499 sur OpenAlexaff
Innes C. Cuthill, William L. Allen, Kevin Arbuckle, Barbara A. Caspers, George Chaplin, Márk E. Hauber, Geoffrey E. Hill, Nina G. Jablonski, Chris D. Jiggins, Almut Kelber, Johanna Mappes, N. Justin Marshall, Richard M. Merrill, Daniel Osorio, Richard O. Prum, Nicholas W. Roberts, Alexandre Roulin, Hannah M. Rowland, Thomas N. Sherratt, John Skelhorn, Michael P. Speed, Martin Stevens, Mary Caswell Stoddard, Devi Stuart‐Fox, László Tálas, Elizabeth A. Tibbetts, Tim Caro

Notice bibliographique

RevueScience · 2017
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensCarleton University
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilEngineering and Physical Sciences Research CouncilWissenschaftskolleg zu Berlin
Mots-clésPerceptionDiversification (marketing strategy)BiologyEvolutionary biologyCognitive scienceBiological evolutionPsychologyZoologyNeuroscienceGenetics

Résumé

récupéré en direct d'OpenAlex

Coloration mediates the relationship between an organism and its environment in important ways, including social signaling, antipredator defenses, parasitic exploitation, thermoregulation, and protection from ultraviolet light, microbes, and abrasion. Methodological breakthroughs are accelerating knowledge of the processes underlying both the production of animal coloration and its perception, experiments are advancing understanding of mechanism and function, and measurements of color collected noninvasively and at a global scale are opening windows to evolutionary dynamics more generally. Here we provide a roadmap of these advances and identify hitherto unrecognized challenges for this multi- and interdisciplinary field.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,224
Tête enseignante GPT0,411
Écart entre enseignants0,187 · 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

Citations799
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetAnimal Behavior and ReproductionTravaux en français237 207