Fundamental research questions in subterranean biology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Five decades ago, a landmark paper in Science titled The Cave Environment heralded caves as ideal natural experimental laboratories in which to develop and address general questions in geology, ecology, biogeography, and evolutionary biology. Although the 'caves as laboratory' paradigm has since been advocated by subterranean biologists, there are few examples of studies that successfully translated their results into general principles. The contemporary era of big data, modelling tools, and revolutionary advances in genetics and (meta)genomics provides an opportunity to revisit unresolved questions and challenges, as well as examine promising new avenues of research in subterranean biology. Accordingly, we have developed a roadmap to guide future research endeavours in subterranean biology by adapting a well-established methodology of 'horizon scanning' to identify the highest priority research questions across six subject areas. Based on the expert opinion of 30 scientists from around the globe with complementary expertise and of different academic ages, we assembled an initial list of 258 fundamental questions concentrating on macroecology and microbial ecology, adaptation, evolution, and conservation. Subsequently, through online surveys, 130 subterranean biologists with various backgrounds assisted us in reducing our list to 50 top-priority questions. These research questions are broad in scope and ready to be addressed in the next decade. We believe this exercise will stimulate research towards a deeper understanding of subterranean biology and foster hypothesis-driven studies likely to resonate broadly from the traditional boundaries of this field.
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.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découle