MétaCan
Menu
← Retour à la cohorte
Enregistrement W2947897478 · doi:10.1139/cjfr-2018-0503

Reply to the comment by Bailey et al. on “Long-term decline of sugar maple following forest harvest, Hubbard Brook Experimental Forest, New Hampshire”

2019· article· en· W2947897478 sur OpenAlexvenueno aff
John J. Battles, Natalie L. Cleavitt, Chris E. Johnson, Timothy J. Fahey

Notice bibliographique

RevueCanadian Journal of Forest Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMapleUnderstoryYellow birchExperimental forestSugarPopulationVegetation (pathology)ForestryNational forestEcologyGeographyBiologyDemographyCanopySociology

Résumé

récupéré en direct d'OpenAlex

Sugar maple decline in eastern North America is caused by a complex combination of factors, with soil nutrition being one of several important determinants. Given the complexity of sugar maple population dynamics and the geographic extent of the species, we support Bailey et al.’s (2019, Can. J. For. Res. 49(7), doi: 10.1139/cjfr-2018-0207 ) argument to interpret results from Cleavitt et al. (2018, Can. J. For. Res. 48(1): 23–31, doi: 10.1139/cjfr-2017-0233 ) with due caution. The experiment at Hubbard Brook Experimental Forest represents an atypical application of contemporary forest practice in the White Mountain National Forest; however, some comments in Bailey et al. (2019) missed the point; others inaccurately characterized our paper. Cleavitt et al.’s (2018) 30-year record of vegetation recovery following whole-tree harvest documented a worrisome inability of a sugar maple population that successfully established after harvest to maintain its position in the understory. This lack of persistence on base-poor soils such as those in the mid and upper elevations of Hubbard Brook Experimental Forest suggests that the successful recruitment of sugar maple is not guaranteed.

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)0,010
score de la tête « metaresearch » (Gemma)0,052
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,005
Communication savante0,0040,007
Science ouverte0,0050,003
Intégrité de la recherche0,0390,046
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,029
Tête enseignante GPT0,312
Écart entre enseignants0,283 · 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
GenreCommentaire

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

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→