MétaCan
Menu
Retour à la cohorte
Enregistrement W4248708251 · doi:10.24908/iqurcp.9309

Evaluating the Genetic Structure of Camissoniopsis cheiranthifolia in California Dune Restorations

2018· article· en· W4248708251 sur OpenAlexvenueno aff
John Viengkone

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodiversityHabitatHabitat fragmentationFragmentation (computing)BiologyHabitat destructionSand dune stabilizationRestoration ecologyEcologyGeography

Résumé

récupéré en direct d'OpenAlex

Habitat loss and fragmentation is considered the largest cause of decreasing biodiversity. Previously, preservation was the main method of mitigating the human impact; however, with decreasing pristine habits, there has been a shift towards ecological restoration. The California coastal dunes have been the sites of many restorations. One native species that has been planted in restorations is the iconic beach evening primrose (Camissoniopsis cheiranthifolia). With a distinct floral variation across its range, C. cheiranthifolia seeds must be carefully sourced when restoring dunes. But has it? I evaluated 22 restored site and 12 natural sites by collecting tissue samples, floral measurements, and fruit counts. Using DNA and floral markers, it is possible to determine whether large flowers from the south have been planted in the north or vice versa. The DNA markers can even determine if individuals of the same flower size have been used outside of their populations. I used fruit counts as an indicator of fitness, which will allow me to be able to determine whether restorations using non-local plants are detrimental to the plants’ well-being. I expect to find mismatches in both DNA and floral markers in restoration sites compared to local natural sites accompanied by a decrease in fitness. Hopefully, the results of this study will allow for stricter regulations on sourcing of restoration material.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,136
Tête enseignante GPT0,406
Écart entre enseignants0,270 · 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 tête enseignante, 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207