MétaCan
Menu
Retour à la cohorte
Enregistrement W3135492813 · doi:10.3389/978-2-88966-027-8

A Next-Generation of Biomonitoring to Detect Global Ecosystem Change

2020· book· en· W3135492813 sur OpenAlexaff
Andreas Makiola, Zacchaeus G. Compson, Donald J. Baird, Matthew A. Barnes, Sam P. Boerlijst, Agnès Bouchez, Georgina Brennan, Alex Bush, Elsa Canard, Tristan Cordier, Simon Creer, R. Allen Curry, Alex J. Dumbrell, Dominique Gravel, Mehrdad Hajibabaei, Berry van der Hoorn, Philippe Jarne, J. Iwan Jones, Battle Karimi, François Keck, Martyn Kelly, Ineke E. Knot, Louie Krol, François Massol, Wendy A. Monk, John Murphy, Jan Pawłowski, Timothée Poisot, Teresita M. Porter, Kate C. Randall, Emma Ransome, Virginie Ravigné, Alan Raybould, Stephane S. Robin, Maarten Schrama, Bertrand Schatz, Alireza Tamaddoni‐Nezhad, Krijn B. Trimbos, Corinne Vacher, Valentin Vasselon, Susie Wood, Guy Woodward, David A. Bohan

Notice bibliographique

RevueFrontiers research topics · 2020
Typebook
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensUniversité de MontréalUniversity of GuelphUniversité de SherbrookeUniversity of New BrunswickOntario GenomicsEnvironment and Climate Change Canada
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésBiomonitoringEcosystemEnvironmental scienceEnvironmental resource managementEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Classical biomonitoring techniques have focused primarily on measures linked tovarious biodiversity metrics and indicator species. Next-generation biomonitoring (NGB)describes a suite of tools and approaches that allow the examination of a broaderspectrum of organizational levels—from genes to entire ecosystems. Here, we frame10 key questions that we envisage will drive the field of NGB over the next decade. Whilenot exhaustive, this list covers most of the key challenges facing NGB, and provides thebasis of the next steps for research and implementation in this field. These questionshave been grouped into current- and outlook-related categories, corresponding to theorganization of this paper.

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)0,002
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,212

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0630,028

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 Opus0,193
Tête enseignante GPT0,321
Écart entre enseignants0,127 · 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
GenreAutre

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers research topicsMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207