MétaCan
Menu
Retour à la cohorte
Enregistrement W2939737112 · doi:10.4000/books.irdeditions.25169

African fossil fish

2017· book-chapter· en· W2939737112 sur OpenAlexaff
Olga Otero, Alison M. Murray, Lionel Cavin, Gaël Clément, Aurélie Pinton, Kathlyn M. Stewart

Notice bibliographique

RevueIRD Éditions eBooks · 2017
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFish Biology and Ecology Studies
Établissements canadiensCanadian Museum of NatureUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGeographyFish <Actinopterygii>LungfishFossil RecordPaleontologyAridificationLand bridgeFaunaStructural basinGeologyEcologyFisheryBiologyAridBiological dispersal

Résumé

récupéré en direct d'OpenAlex

This chapter illustrates how palaeontology helps to retrace the evolution of African fish, and what can be learned about their palaeobiogeography, adaptation and ancient environment. The first part (1. Africa and fish through geological time) is a presentation of the fish fossil record within the environmental contexts that prevailed in continental Africa through geological time, followed by a focus on the fossils themselves. Using the case study of African characiform fossils, the second part (2. Which fossils? Case study of the African characiforms) illustrates the various kinds of fossils and fossil remains that can be recovered and explains what information fossils can give us. The third section (3. Old groups, old cradles!) focuses on biogeographical information, using the example of one emblematic archaic fish: the lungfish. The fourth part (4. When a marine fish adapts to freshwater) tracks the invasion and extinction of stingrays in the Turkana basin and discusses the still-debated origin of the Nile perch in Africa, to demonstrate the links between fossil fish and their environment, thus giving us information on long-term environmental change. The last section (5. Neogene changes in the African ichthyofauna) is a conclusion concerning the impact of the most recent long-term environmental changes which deeply modified Africa fish faunas, notably the uplift in Eastern Africa and the Saharan aridification.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,999

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 technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,219
Écart entre enseignants0,181 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIRD Éditions eBooksMême sujetFish Biology and Ecology StudiesTravaux en français237 207