MétaCan
Menu
Retour à la cohorte
Enregistrement W4223918816 · doi:10.1016/j.isci.2022.104195

Leveraging palaeoproteomics to address conservation and restoration agendas

2022· review· en· W4223918816 sur OpenAlexaff
Carli Peters, Kristine Korzow Richter, Jens‐Christian Svenning, Nicole Boivin

Notice bibliographique

RevueiScience · 2022
Typereview
Langueen
DomaineArts and Humanities
ThématiqueConservation Techniques and Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMax-Planck-GesellschaftVillum Fonden
Mots-clésConservation scienceConservationEnvironmental ethicsPolitical scienceEnvironmental scienceEnvironmental resource managementData scienceComputer scienceEcologyBiologyBiodiversityPhilosophy

Résumé

récupéré en direct d'OpenAlex

Archaeological and paleontological records offer tremendous yet often untapped potential for examining long-term biodiversity trends and the impact of climate change and human activity on ecosystems. Yet, zooarchaeological and fossil remains suffer various limitations, including that they are often highly fragmented and morphologically unidentifiable, preventing them from being optimally leveraged for addressing fundamental research questions in archaeology, paleontology, and conservation paleobiology. Here, we explore the potential of palaeoproteomics-the study of ancient proteins-to serve as a critical tool for creating richer, more informative datasets about biodiversity change that can be leveraged to generate more realistic, constructive, and effective conservation and restoration strategies into the future.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,246
Tête enseignante GPT0,344
Écart entre enseignants0,098 · 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetConservation Techniques and StudiesTravaux en français237 207