MétaCan
Menu
Retour à la cohorte
Enregistrement W3007715980 · doi:10.20944/preprints202002.0375.v1

Recent Saiga Population Crash in China Highlights How Conservation of Migratory Species Can Only Succeed with International Collaboration

2020· preprint· en· W3007715980 sur OpenAlexaff
Zhigang Jiang, David Mallon, Marc Foggen, Chunwang Li, Shaopeng Cui, Yan Zeng, Xiaoge Ping

Notice bibliographique

RevuePreprints.org · 2020
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésChinaGeographyPopulationRange (aeronautics)SteppeEcologyBiologyDemographyEngineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Saiga (Saiga tatarica) was extirpated in China. Since Mid-1980s, attempts have been made for revival the species in the country, however, only a breeding herd of Saiga was successfully established at Wuwei, Gansu, China. The reintroduced Saiga population experienced a bumpy growth. Then, the population collapsed following the catastrophe die-off in the Saiga ranging countries in Central Asia. After reviewing the population trend and conservation breeding of Saiga in China, we concluded that to establish a migratory species that needs vast range size like Saiga on central Asia steppe, an international collaboration is needed. We recommend China to ratify the CMS in order to facilitate international conservation efforts to restoring the species in its former range.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,966

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

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 Opus0,056
Tête enseignante GPT0,265
Écart entre enseignants0,208 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetEcology and biodiversity studiesTravaux en français237 207