MétaCan
Menu
Retour à la cohorte
Enregistrement W3176512047 · doi:10.3389/frym.2021.576035

Flagship Species: Do They Help or Hurt Conservation?

2021· article· en· W3176512047 sur OpenAlexaff
Emily Moynes, Vishnu Prithiv Bhathe, Christina Brennan, Stephanie Ellis, Joseph Bennett, Sean J. Landsman

Notice bibliographique

RevueFrontiers for Young Minds · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCreaturesNothingExtinction (optical mineralogy)HappeningEnvironmental ethicsHabitatGeographyNeed to knowEcologyHistoryEthnologyBiologyComputer securityNatural (archaeology)ArchaeologyComputer sciencePerformance art

Résumé

récupéré en direct d'OpenAlex

Many of the plants and animals we love, and even more we do not know about, are in serious danger. Species extinctions are occurring at alarming rates. But how do we prevent extinction from happening? One strategy is to first make people aware of what is going on. If people know which plants and animals are in danger, they will be more likely to support measures that protect those species. We can do this by drawing attention to problems facing species that people are familiar with, like African lions, Siberian tigers, and humpback whales. Sadly, this strategy ignores many weird and wonderful creatures most people may know nothing about! More importantly, it prevents us from protecting other important species and the environments in which they live. It is time to re-think our approach so that we can protect as many species and habitats as possible!

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)0,006
score de la tête « metaresearch » (Gemma)0,019
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,008
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0320,006

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 Opus0,050
Tête enseignante GPT0,310
Écart entre enseignants0,259 · 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
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers for Young MindsMême sujetAnimal and Plant Science EducationTravaux en français237 207