MétaCan
Menu
Retour à la cohorte
Enregistrement W3157366352 · doi:10.1126/sciadv.abf9776

Early human impacts and ecosystem reorganization in southern-central Africa

2021· article· en· W3157366352 sur OpenAlexaff
Jessica C. Thompson, David Wright, Sarah Ivory, Jeong‐Heon Choi, Sheila Nightingale, Alex Mackay, Flora Schilt, Erik Otárola‐Castillo, Julio Mercader, Steven L. Forman, Timothy Pietsch, Andrew S. Cohen, J Ramón Arrowsmith, Menno Welling, Jacob Davis, Benjamin Schiery, Potiphar Kaliba, Oris Malijani, Margaret Whiting Blome, Corey A. O’Driscoll, Susan M. Mentzer, Christopher E. Miller, Seoyoung Heo, Jungyu Choi, Joseph Tembo, Fredrick Mapemba, Davie Simengwa, Elizabeth Gomani‐Chindebvu

Notice bibliographique

RevueScience Advances · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePleistocene-Era Hominins and Archaeology
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation of Sri LankaDeutsche ForschungsgemeinschaftNational Oceanic and Atmospheric AdministrationAustralian Research CouncilNational Research Foundation of KoreaNorges ForskningsrådWaitt FoundationEmory UniversityPurdue UniversityWenner-Gren FoundationNational Science FoundationUniversity of QueenslandNational Geographic Society
Mots-clésEcosystemEcologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

engage in substantial ecosystem modification, but it is difficult to detect the origins or early consequences of these behaviors. Archaeological, geochronological, geomorphological, and paleoenvironmental data from northern Malawi document a changing relationship between forager presence, ecosystem organization, and alluvial fan formation in the Late Pleistocene. Dense concentrations of Middle Stone Age artifacts and alluvial fan systems formed after ca. 92 thousand years ago, within a paleoecological context with no analog in the preceding half-million-year record. Archaeological data and principal coordinates analysis indicate that early anthropogenic fire relaxed seasonal constraints on ignitions, influencing vegetation composition and erosion. This operated in tandem with climate-driven changes in precipitation to culminate in an ecological transition to an early, pre-agricultural anthropogenic landscape.

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)0,000
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 enseignants0,048
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,289
Écart entre enseignants0,274 · 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

Citations86
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetPleistocene-Era Hominins and ArchaeologyTravaux en français237 207