MétaCan
Menu
Retour à la cohorte
Enregistrement W3120212519 · doi:10.3389/frym.2020.548525

Learning More About Earthworms With Citizen Science

2021· article· en· W3120212519 sur OpenAlexaff
Victoria J. Burton, Erin K. Cameron

Notice bibliographique

RevueFrontiers for Young Minds · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésCitizen scienceEarthwormVariety (cybernetics)Natural (archaeology)Engineering ethicsSociologyComputer scienceEcologyEngineeringGeographyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Have you ever wanted to conduct scientific research? Citizen, or community science involves non-scientists in assisting scientists with research. The term covers a huge variety of projects: from online-only where you can classify galaxies, to practical outdoor activities, and even helping with scientific expeditions. Ideally, citizen science benefits everyone—scientists collect more data, and over larger geographic areas than they could on their own. Non-scientists benefit by learning something new and experiencing how science works, and hopefully having fun! The small size of most soil organisms is challenging for citizen science. However, earthworms are easy to recognize and relatively large, so there have been several citizen science projects focused on them. In this article, we discuss earthworm citizen science from its origins with 18th and 19th century natural historians, to the modern day. Discover what non-scientists have contributed to earthworm science and how you can design your own earthworm investigations.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,267
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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.

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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers for Young MindsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207