Persistent spatial gaps in ornithological study in Australia, 1901–2011
Notice bibliographique
Résumé
At the continental scale, ecological research effort is not spatially uniform. We used a century-long bibliometric database of the journal Emu – Austral Ornithology to index the spatial patterns in bird research in Australia (from articles with explicit study locations). Studies have been concentrated in Tasmania and the southwest, southeast and coastal parts of the mainland. Large spatial gaps exist in ornithological study, which are similar to those identified by Arnold Robert McGill in his 1948 review paper ( McGill 1948 ). Pre-1948 only 9.4% of articles [n = 2,107] fell within the gaps mapped by McGill in 1948, indicating that his mapping was largely accurate. These gaps have largely persisted; only 11.2% of the 1,498 articles published since 1948 came from within those gaps. We present a complementary spatial gap analysis, which focuses on studies of areas with broadly similar biogeographies (Interim Biogeographical Regions of Australia (IBRAs)). Of 85 mainland IBRAs (of 89 defined), five have no bird studies from within them (368,380 km 2 ; 4.9% of Australia), and 34 have less than 10 studies (3,335,498 km 2 ; 43.9%). We intersect IBRAs with McGill's gaps and show that some IBRAs within McGill's gaps are now better-studied, but 64.8% of the area within the McGill gaps boundaries comprises IBRAs where there have been no post-1948 studies in Emu. We also present an updated map of key geographical gaps in the study of Australian birds, which apparently remain extensive 60 years after they were first identified.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».