MétaCan
Menu
Retour à la cohorte
Enregistrement W2911315302 · doi:10.1111/conl.12627

Are we eating the world's megafauna to extinction?

2019· article· en· W2911315302 sur OpenAlexaff
William J. Ripple, Christopher Wolf, Thomas M. Newsome, Matthew G. Betts, Gerardo Ceballos, Franck Courchamp, Matt W. Hayward, Blaire Van Valkenburgh, Arian D. Wallach, Boris Worm

Notice bibliographique

RevueConservation Letters · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMegafaunaThreatened speciesExtinction (optical mineralogy)EcologyExtant taxonRange (aeronautics)PopulationBiologyGeographyNear-threatened speciesHabitatEnvironmental healthArchaeologyEvolutionary biology

Résumé

récupéré en direct d'OpenAlex

Abstract Many of the world's vertebrates have experienced large population and geographic range declines due to anthropogenic threats that put them at risk of extinction. The largest vertebrates, defined as megafauna, are especially vulnerable. We analyzed how human activities are impacting the conservation status of megafauna within six classes: mammals, ray‐finned fish, cartilaginous fish, amphibians, birds, and reptiles. We identified a total of 362 extant megafauna species. We found that 70% of megafauna species with sufficient information are decreasing and 59% are threatened with extinction. Surprisingly, direct harvesting of megafauna for human consumption of meat or body parts is the largest individual threat to each of the classes examined, and a threat for 98% (159/162) of threatened species with threat data available. Therefore, minimizing the direct killing of the world's largest vertebrates is a priority conservation strategy that might save many of these iconic species and the functions and services they provide.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,016
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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'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

Citations196
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation LettersMême sujetWildlife Ecology and ConservationTravaux en français237 207