MétaCan
Menu
Retour à la cohorte
Enregistrement W2913064475 · doi:10.4003/006.036.0202

Mobilizing Mollusks: Status Update on Mollusk Collections in the U.S.A. and Canada

2018· article· en· W2913064475 sur OpenAlexaboutno aff
Petra Sierwald, Rüdiger Bieler, Elizabeth K. Shea, Gary Rosenberg

Notice bibliographique

RevueAmerican Malacological Bulletin · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California Museum of PaleontologyField Museum
Mots-clésDigitizationGeographyFisheryBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

In 2017, a minimum of 8.5 million mollusk lots representing some 100 million specimens were held by 86 natural history collections in the U.S. (81) and Canada (5). Of these, 6.2 million lots representing 70 million specimens were cataloged (73%), another 2.3 million lots were considered quality backlog awaiting cataloguing, and 4.5 million lots (53% of the total) had undergone some form of data digitization. About 1.1 million (25%) of the digitized lots have been georeferenced, albeit with different approaches to accuracy and uncertainty. Fewer than 25% of collections, mainly larger ones, claim to be fully Darwin Core compliant. There are 35,000 primary type lots and 66,000 secondary type lots, representing 1.6% of cataloged lots. About 87% of lots are dry and 13% are fluid preserved, with less than 0.3% frozen. The majority of lots are gastropods (71%) and bivalves (26%). By habitat, 54% of lots are marine, 26% terrestrial, 19% freshwater, and 1% brackish. About 43% of marine and 57% of non-marine holdings are from North America including the Caribbean.Solem (1975), in a previous survey of U.S. and Canadian malacological collections, reported 3.74 million lots of which 775,000 (21%) were uncataloged backlog, and suggested that backlog was growing at a faster rate than specimens were being cataloged. Since then the overall size of mollusk collections has grown by 227% and cataloged lots by 208%, but quality backlog has grown by 300%, confi rming Solem's extrapolation. Solem noted that the eight largest collections held 78% of the lots, but in 2017 the eight largest (now with a slightly different composition) held only 63.5% of the lots, refl ecting substantial growth of small and mid-sized collections, and the larger number of institutions that we surveyed. Solem reported a substantial gap between large collections (≥160,000 lots; AMNH, ANSP, BPBM, DMNH, FMNH, LACM, MCZ, UF, UMMZ, USNM) and mid-sized ones (35,000-75,000 lots; ChM, FWRI, Hefner, HMNS, SDNH, NCSM, SIOBIC, UCM, UWBM, YPM), but seven collections now fall in the range of 76,000 to 160,000 (CM, BMSM, CASIZ, CMNML, INHS, OSUM, and SBMNH), and two have jumped to the large category (UF and DMNH).Often overlooked is Solem's conclusion that mollusk collections in the United States and Canada are second only to insect collections for number of specimens, which is still true. Because there are far fewer species of mollusks than insects, mollusks have more specimens per species, averaging 1,100 in our survey, almost ten times what Solem reported for insects and approaching what he reported for fish. Bivalvia may have as many as 2,400 specimens/species, which makes them among the best-sampled classes of metazoans. The high number of specimens/species among mollusk and fish collection makes them well-suited for environmental studies that track faunal change over time and space.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,247

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0200,027
Études des sciences et des technologies0,0050,001
Communication savante0,0040,003
Science ouverte0,0050,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Malacological BulletinMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207