MétaCan
Menu
Retour à la cohorte
Enregistrement W4205218064 · doi:10.1016/j.tree.2021.12.005

Freshwater salinisation: a research agenda for a saltier world

2022· review· en· W4205218064 sur OpenAlexaff
David Cunillera‐Montcusí, Meryem Beklioğlu, Miguel Cañedo‐Argüelles, Erik Jeppesen, Robert Ptáčník, Cihelio Alves Amorim, Shelley E. Arnott, Stella A. Berger, Sandra Brucet, Hilary A. Dugan, Miriam Gerhard, Zsófia Horváth, Silke Langenheder, Jens C. Nejstgaard, Marko Reinikainen, Maren Striebel, Pablo Urrutia‐Cordero, Csaba F. Vad, Egor Zadereev, Miguel G. Matias

Notice bibliographique

RevueTrends in Ecology & Evolution · 2022
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensQueen's University
Organismes subventionnairesEuropean Social FundAgencia Estatal de InvestigaciónHorizon 2020 Framework ProgrammeVetenskapsrådetMagyar Tudományos AkadémiaEuropean CommissionNemzeti Kutatási Fejlesztési és Innovációs HivatalSvenska Forskningsrådet Formas
Mots-clésUrbanizationBiodiversityFreshwater ecosystemGeographyAgricultureEnvironmental resource managementEcosystemEcologyEnvironmental planningBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

The widespread salinisation of freshwater ecosystems poses a major threat to the biodiversity, functioning, and services that they provide. Human activities promote freshwater salinisation through multiple drivers (e.g., agriculture, resource extraction, urbanisation) that are amplified by climate change. Due to its complexity, we are still far from fully understanding the ecological and evolutionary consequences of freshwater salinisation. Here, we assess current research gaps and present a research agenda to guide future studies. We identified different gaps in taxonomic groups, levels of biological organisation, and geographic regions. We suggest focusing on global- and landscape-scale processes, functional approaches, genetic and molecular levels, and eco-evolutionary dynamics as key future avenues to predict the consequences of freshwater salinisation for ecosystems and human societies.

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)0,003
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0010,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,187
Tête enseignante GPT0,418
Écart entre enseignants0,231 · 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
GenreSynthèse

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

En bref

Citations239
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetFish Ecology and Management StudiesTravaux en français237 207