MétaCan
Menu
Retour à la cohorte
Enregistrement W3016093567 · doi:10.1073/pnas.1920211117

Human responses to climate and ecosystem change in ancient Arabia

2020· review· en· W3016093567 sur OpenAlexaff
Michael D. Petraglia, Huw S. Groucutt, Maria Guagnin, Paul S. Breeze, Nicole Boivin

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2020
Typereview
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMax-Planck-Gesellschaft
Mots-clésClimate changePsychological resilienceTransformative learningGeographyEcosystemHolocenePopulationEnvironmental changePopulation growthRange (aeronautics)Environmental resource managementEcologyArchaeologyEnvironmental scienceSociology

Résumé

récupéré en direct d'OpenAlex

Recent interdisciplinary archaeological and paleoenvironmental research in the Arabian peninsula is transforming our understanding of ancient human societies in their ecological contexts. Hypotheses about the cultural and demographic impacts of a series of droughts have primarily been developed from the environmental and archaeological records of southeastern Arabia. Here we examine these human-environment interactions by integrating ongoing research from northern Arabia. While droughts and extreme environmental variability in the Holocene had significant impacts on human societies, responses varied across space and time and included mobility at various scales, as well as diverse social, economic and cultural adaptations, such as the management of water resources, the introduction of pastoral lifeways, and the construction of diverse types of stone structures. The long-term story of human societies in Arabia is one of resilience in the face of climate change, yet future challenges include rising temperatures and flash flooding. The history of human responses to climatic and ecosystem changes in Arabia can provide important lessons for a planet facing catastrophic global warming and environmental change.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,151
Tête enseignante GPT0,378
Écart entre enseignants0,227 · 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
GenreSynthèse

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

En bref

Citations127
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207