MétaCan
Menu
Retour à la cohorte
Enregistrement W2945980045

A Forest Death in Three Acts: From Woodpeckers to Water, the Emerald Ash Borer's Effects are Widespread

2019· article· en· W2945980045 sur OpenAlexaboutno aff
Kathleen S. Knight, Charles E. Flower, Mark D. Nelson

Notice bibliographique

RevueThe Wildlife Professional · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Insect Ecology and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmerald ash borerAgrilusFraxinusBuprestidaeFirewoodRiparian forestBark (sound)EcologyGeographyAgroforestryBiologyRiparian zoneHabitat
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dead treetops, their bare branches curving upward, stood dark against a blue sky. Only a few years before, these had been towering, vibrant ash trees, playing a vital role in riparian forest ecosystems of northwest Ohio. Then, the emerald ash borer (Agrilus planipennis), a shiny green beetle whose voracious maggot-like larva feeds just beneath the bark of the trees, swept through the forests leaving death and destruction in its wake. The emerald ash borer, or EAB, is native to eastern Asia. There, it has little impact on Asian ash species, which are able to mount defenses against the larvae. But in the late 1990s, it was accidentally introduced to North America, arriving near Detroit. Michigan, on wooden shipping material. When EAB reached the nearby forests, it encountered North American ash species that had no co-evolutionary history with the pest and almost no defense. The insect was inadvertently spread by people, moving on firewood, logs and even vehicles. Now, it occurs in 35 U.S. states and five Canadian provinces. Our job was to monitor the effects of this invasive pest. including the decline and death of the ash trees, and the cascading effects of the sudden loss of these tree species on their forest ecosystems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Wildlife ProfessionalMême sujetForest Insect Ecology and ManagementTravaux en français237 207