MétaCan
Menu
Retour à la cohorte
Enregistrement W3199644642 · doi:10.1126/sciadv.abf5073

Reduced human activity during COVID-19 alters avian land use across North America

2021· article· en· W3199644642 sur OpenAlexafffundabout
Michael B. Schrimpf, Paulson G. Des Brisay, Alison Johnston, Adam C. Smith, Jessica Mariana Sánchez-Jasso, Barry G. Robinson, Miyako H. Warrington, Nancy A. Mahony, Andrew G. Horn, Matthew Strimas‐Mackey, Lenore Fahrig, Nicola Koper

Notice bibliographique

RevueScience Advances · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensDalhousie UniversityCarleton UniversityEnvironment and Climate Change CanadaUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change Canada
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)GeographyBetacoronavirusCoronavirus InfectionsVirologyBiologyMedicineOutbreakInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic resulted in extraordinary declines in human mobility, which, in turn, may affect wildlife. Using records of more than 4.3 million birds observed by volunteers from March to May 2017–2020 across Canada and the United States, we found that counts of 66 (80%) of 82 focal bird species changed in pandemic-altered areas, usually increasing in comparison to prepandemic abundances in urban habitat, near major roads and airports, and in counties where lockdowns were more pronounced or occurred at the same time as peak bird migration. Our results indicate that human activity affects many of North America’s birds and suggest that we could make urban spaces more attractive to birds by reducing traffic and mitigating the disturbance from human transportation after we emerge from the pandemic.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,797
Score d'incertitude au seuil0,404

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,024
Tête enseignante GPT0,322
Écart entre enseignants0,298 · 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'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

Citations70
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetWildlife-Road Interactions and ConservationTravaux en français237 207