Reviewing taxonomic bias in a megadiverse country: primary biodiversity data, cultural salience, and scientific interest of South African animals
Notice bibliographique
Résumé
Taxonomic bias, resulting in some taxa receiving more attention than others, has been shown to persist throughout history. Such bias in primary biodiversity data needs to be addressed because the data are vital to environmental management. This study reviews taxonomic bias in South African primary biodiversity data obtained from the Global Biodiversity Information Facility (GBIF). The focus was specifically on animal classes, and regression analysis was used to assess the influence of scientific interest and cultural salience on taxonomic bias. A higher resolution analysis of the two explanatory variables’ influence on taxonomic bias is conducted using a generalised linear model on a subset of herpetofaunal families from the focal classes. Furthermore, the potential effects of cultural salience and scientific interest on a taxon’s extinction risk are investigated. The findings show that taxonomic bias in South Africa’s primary biodiversity data has similarities with global scale taxonomic bias. Among animal classes, there is strong bias towards birds while classes such as Polychaeta and Maxillopoda are under-represented. Cultural salience has a stronger influence on taxonomic bias than scientific interest. It is, however, unclear how these explanatory variables may influence the extinction risk of taxa. We recommend that taxonomic bias can be reduced if primary biodiversity data collection has a range of targets that guide (but do not limit) accumulation of species occurrence records per habitat. Within this range, a lower target of species occurrence records accommodates species that are difficult to detect. The upper target means occurrence records for any species are less urgent but nonetheless useful and thus data collection efforts can focus on species with fewer occurrence records.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».