Geographic Biases in Bee Research Limits Understanding of Species Distribution and Response to Anthropogenic Disturbance
Notice bibliographique
Résumé
Habitat loss and degradation due to agricultural intensification and urbanization are key threats facing wild pollinators, especially bees. However, data on the distribution and abundance of most of the world’s 20,000+ bee species is lacking, making it difficult to assess the effects of anthropogenic disturbance through time. Moreover, there are geographic biases in the study of bees creating gaps in our understanding of species distributions and regional patterns of diversity. Research efforts are often focused around cities or field stations associated with universities and other research institutions. In this perspectives paper, we provide examples of geographic bias in knowledge regarding bee species distributions using recently collected data from Michigan and Colorado, USA—two states with published species checklists. We illustrate how a limited sampling effort can advance knowledge about bee species distributions, yielding species occurrence records at local and regional scales. Given the implications of geographic biases, we recommend future research efforts focus on poorly sampled geographic regions, especially those affected by anthropogenic disturbance, in order to expand our understanding of human impacts on wild bee species. Sampling across a broader geographic area will provide critical information for taxonomy and predictive models of bee species distributions and diversity. We encourage researchers to plan future studies with consideration of strategies to avoid oversampling local bee populations, the taxonomic expertise required to identify specimens, and resources necessary to voucher specimens.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».