MétaCan
Menu
Retour à la cohorte
Enregistrement W2921753397 · doi:10.1016/j.tree.2019.01.009

Translating Marine Animal Tracking Data into Conservation Policy and Management

2019· review· en· W2921753397 sur OpenAlexaff
Graeme C. Hays, Helen Bailey, Steven J. Bograd, W. Don Bowen, Claudio Campagna, Ruth H. Carmichael, Paolo Casale, André Chiaradia, Daniel P. Costa, Eduardo Cuevas, P J Nico de Bruyn, Maria P. Dias, Carlos M. Duarte, Daniel C. Dunn, Peter H. Dutton, Nicole Esteban, Ari S. Friedlaender, Kimberly T. Goetz, Brendan J. Godley, Patrick N. Halpin, Mark Hamann, Neil Hammerschlag, Robert Harcourt, Autumn‐Lynn Harrison, Elliott L. Hazen, Michelle R. Heupel, Erich Hoyt, Nicolas E. Humphries, Connie Y. Kot, James S. E. Lea, Helene Marsh, Sara M. Maxwell, Clive R. McMahon, Giuseppe Notarbartolo di Sciara, Daniel M. Palacios, Richard A. Phillips, David Righton, Gail Schofield, Jeffrey A. Seminoff, Colin A. Simpfendorfer, David Sims, Akinori Takahashi, Michael J. Tetley, Michele Thums, Philip N. Trathan, Stella Villegas‐Amtmann, Randall S. Wells, Scott D. Whiting, Natalie Wildermann, Ana M. M. Sequeira

Notice bibliographique

RevueTrends in Ecology & Evolution · 2019
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesAustralian Research CouncilNatural Environment Research CouncilSight Research UKFondation BertarelliAustralian Institute of Marine Science
Mots-clésBycatchEnvironmental resource managementData managementGlobeTracking (education)Citizen scienceData collectionAdaptive managementBusinessEnvironmental planningGeographyData scienceComputer scienceEcologyBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,007
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,012
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0000,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,098
Tête enseignante GPT0,365
Écart entre enseignants0,266 · 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

Citations436
Publié2019
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetMarine animal studies overviewTravaux en français237 207