MétaCan
Menu
Retour à la cohorte
Enregistrement W2911180220 · doi:10.1038/s41477-018-0316-5

The persistence of carbon in the African forest understory

2019· article· en· W2911180220 sur OpenAlexaff
Wannes Hubau, Tom De Mil, Jan Van den Bulcke, Oliver L. Phillips, Bhély Angoboy Ilondea, Joris Van Acker, Martin J. P. Sullivan, Laurent Nsenga, Benjamin Toirambe, Camille Couralet, Lindsay F. Banin, Serge K. Begne, Timothy R. Baker, Nils Bourland, Éric Chézeaux, Connie J. Clark, Murray Collins, James A. Comiskey, Aida Cuní‐Sanchez, Victor Deklerck, Sofie Dierickx, Jean‐Louis Doucet, Corneille E. N. Ewango, Ted R. Feldpausch, Martin Gilpin, Christelle Gonmadje, Jefferson S. Hall, David J. Harris, Olivier J. Hardy, Marie-Noël Djuikouo Kamdem, Emmanuel Kasongo Yakusu, Gabriela López‐González, Jean‐Remy Makana, Yadvinder Malhi, Faustin M. Mbayu, Sam Moore, Jacques Mukinzi, Georgia Pickavance, John R. Poulsen, Jan Reitsma, Mélissa Rousseau, Bonaventure Sonké, Trey Sunderland, Hermann Taedoumg, Joey Talbot, John Tshibamba Mukendi, Peter M. Umunay, Jason Vleminckx, Lee White, Lise Zemagho, Simon L. Lewis, Hans Beeckman

Notice bibliographique

RevueNature Plants · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBijzonder Onderzoeksfonds UGentAgence Nationale Des Parcs NationauxUniversiteit GentEuropean CommissionSight Research UKNatural Environment Research CouncilAustralian GovernmentGordon and Betty Moore Foundation
Mots-clésUnderstoryCarbon sinkCanopyCarbon sequestrationRainforestCarbon fibersCarbon cycleEcologyEnvironmental scienceForest dynamicsClimate changeGeographyBiologyEcosystemCarbon dioxideMathematics

Résumé

récupéré en direct d'OpenAlex

OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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.

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

Citations64
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature PlantsMême sujetForest ecology and managementTravaux en français237 207