MétaCan
Menu
Retour à la cohorte
Enregistrement W3095483875 · doi:10.1126/sciadv.abb6376

Nonlinear landscape and cultural response to sea-level rise

2020· article· en· W3095483875 sur OpenAlexaff
Robert L. Barnett, Dan J. Charman, Charles Johns, Sophie Ward, Andrew Bevan, Sarah Bradley, Kevin Camidge, Ralph Fyfe, W. Roland Gehrels, Maria Gehrels, Jackie Hatton, Nicole S. Khan, Peter Marshall, S. Yoshi Maezumi, Steve Mills, Jacqui Mulville, Marta Perez, Helen M. Roberts, James Scourse, Francis Shepherd, Todd O. Stevens

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesEnglish Heritage
Mots-clésGlobal changeClimate changePopulationGeographyPrehistorySea levelEnvironmental changeArchipelagoEcologyCultural landscapeEconomic geographyPhysical geographyBiologyArchaeologySociologyDemography

Résumé

récupéré en direct d'OpenAlex

Rising sea levels have been associated with human migration and behavioral shifts throughout prehistory, often with an emphasis on landscape submergence and consequent societal collapse. However, the assumption that future sea-level rise will drive similar adaptive responses is overly simplistic. While the change from land to sea represents a dramatic and permanent shift for preexisting human populations, the process of change is driven by a complex set of physical and cultural processes with long transitional phases of landscape and socioeconomic change. Here, we use reconstructions of prehistoric sea-level rise, paleogeographies, terrestrial landscape change, and human population dynamics to show how the gradual inundation of an island archipelago resulted in decidedly nonlinear landscape and cultural responses to rising sea levels. Interpretation of past and future responses to sea-level change requires a better understanding of local physical and societal contexts to assess plausible human response patterns in the future.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,019
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,303
Écart entre enseignants0,269 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207