MétaCan
Menu
Retour à la cohorte
Enregistrement W2753906925 · doi:10.3389/fnins.2017.00505

Solving the Neurogenesis Puzzle: Looking for Pieces Outside the Traditional Box

2017· article· en· W2753906925 sur OpenAlexafffund
Mariela Faykoo-Martinez, Ilapreet Toor, Melissa M. Holmes

Notice bibliographique

RevueFrontiers in Neuroscience · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurogenesis and neuroplasticity mechanisms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversities Space Research Association
Mots-clésNeurogenesisContext (archaeology)Cognitive scienceNeurosciencePsychologyCognitive psychologyBiology

Résumé

récupéré en direct d'OpenAlex

The vast majority of what is considered fact about adult neurogenesis comes from research on laboratory mice and rats: where it happens, how it works, what it does. However, this relative exclusive focus on two rodent species has resulted in a bias on how we think about adult neurogenesis. While it might not prevent us from making conclusions about the evolutionary significance of the process or even prevent us from generalizing to diverse mammals, it certainly does not help us achieve these outcomes. Here, we argue that there is every reason to expect striking species differences in adult neurogenesis: where it happens, how it works, what it does. Species-specific adaptations in brain and behavior are paramount to survival and reproduction in diverse ecological niches and it is naive to think adult neurogenesis escaped these evolutionary pressures. A neuroethological approach to the study of adult neurogenesis is essential for a comprehensive understanding of the phenomenon. Furthermore, most of us are guilty of making strong assertions about our data in order to have impact yet this ultimately creates bias in how work is performed, interpreted, and applied. By taking a step back and actually placing our results in a much larger, non-biomedical context, we can help to reduce dogmatic thinking and create a framework for discovery.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0040,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,085
Tête enseignante GPT0,280
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetNeurogenesis and neuroplasticity mechanismsTravaux en français237 207