MétaCan
Menu
Retour à la cohorte
Enregistrement W2973623848 · doi:10.1101/774356

Blind spots in global soil biodiversity and ecosystem function research

2019· preprint· en· W2973623848 sur OpenAlexaff
Carlos A. Guerra, Anna Heintz‐Buschart, Johannes Sikorski, Antonis Chatzinotas, Nathaly R. Guerrero‐Ramírez, Simone Cesarz, Léa Beaumelle, Matthias C. Rillig, Fernando T. Maestre, Manuel Delgado‐Baquerizo, François Buscot, Jörg Overmann, Guillaume Patoine, Helen R. P. Phillips, Marten Winter, Tesfaye Wubet, Kirsten Küsel, Richard D. Bardgett, Erin K. Cameron, Don A. Cowan, Tine Grebenc, César Marín, Alberto Orgiazzi, Brajesh K. Singh, Diana H. Wall, Nico Eisenhauer

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensSaint Mary's University
Organismes subventionnairesDeutsches Zentrum für integrative Biodiversitätsforschung Halle-Jena-LeipzigDeutsche ForschungsgemeinschaftEuropean Commission
Mots-clésBiodiversityEcosystemEcosystem servicesEcologyEnvironmental scienceMacroecologyGeographyEnvironmental resource managementBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Soils harbor a substantial fraction of the world’s biodiversity, contributing to many crucial ecosystem functions. It is thus essential to identify general macroecological patterns related to the distribution and functioning of soil organisms to support their conservation and governance. Here we identify and characterize the existing gaps in soil biodiversity and ecosystem function data across soil macroecological studies and >11,000 sampling sites. These include significant spatial, environmental, taxonomic, and functional gaps, and an almost complete absence of temporally explicit data. We also identify the limitations of soil macroecological studies to explore general patterns in soil biodiversity-ecosystem functioning relationships, with only 0.6% of all sampling sites having a non-systematic coverage of both biodiversity and function datasets. Based on this information, we provide clear priorities to support and expand soil macroecological research.

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)0,024
score de la tête « metaresearch » (Gemma)0,028
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 enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,013
Études des sciences et des technologies0,0010,003
Communication savante0,0060,007
Science ouverte0,0010,006
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,033
Tête enseignante GPT0,235
Écart entre enseignants0,202 · 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

Citations34
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207