MétaCan
Menu
← Retour à la cohorte
Enregistrement W3207302625 · doi:10.1101/2021.10.07.463538

Global port survey quantifies commercial shipping’s effect on biodiversity

2021· preprint· en· W3207302625 sur OpenAlexaff
José Á. Andrés, Paul Czechowski, Erin K. Grey, Mandana Saebi, Kara J. Andres, Christopher Brown, Nitesh V. Chawla, James J. Corbett, Rein Brys, Phillip Cassey, Nancy Correa, Marty R. Deveney, Scott P. Egan, Joshua P. Fisher, Rian vanden Hooff, Charles Knapp, Sandric Chee Yew Leong, Brian J. Neilson, Esteban M. Paolucci, Michael E. Pfrender, Meredith R. Pochardt, Thomas A. A. Prowse, Steven S. Rumrill, Chris Scianni, Francisco Sylvester, Mario N. Tamburri, Thomas W. Therriault, Darren C. J. Yeo, David M. Lodge

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNational Science Foundation
Mots-clésBiodiversityPort (circuit theory)IndigenousGeographyTaxonEnvironmental resource managementEcosystemEnvironmental planningEcologyEnvironmental scienceBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Spread of nonindigenous organisms by shipping is one of the largest threats to coastal ecosystems. Limited monitoring and understanding of this phenomenon currently hinder development of effective prevention policies. Surveying ports in North America, South America, Europe, Southeast Asia, and Australia we explored environmental DNA community profiles evident of ship-born species spread. We found that community similarities between ports increased with the number of ship voyages, particularly if the ports had similar environments, and when indirect stepping-stone connections were considered. We also found 57 known non-indigenous taxa, some in hitherto unreported locations. We demonstrate the usefulness of eDNA-based tools for global biodiversity surveys, and highlight that shipping homogenizes biodiversity in predictable that could inform policy and management.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,220
Écart entre enseignants0,198 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetEnvironmental DNA in Biodiversity Studies→Travaux en français237 207→