Use of eBird as a tool for undergraduate education, research, and biodiversity conservation
Notice bibliographique
Résumé
Birds have a long and complex relationship with humans on many levels, from food to culture and myth.Yet over the past 50 years, wild bird populations across the continental United States and Canada have declined by more than 25 percent.eBird is one of the world's largest biodiversity-related projects, accessible to both citizen-scientists and researchers.Data collected through eBird informs scientists on bird distribution, abundance, and habitat use both spatially and temporally.In this workshop, I will explain how eBird can also be applied at the level of undergraduate education to enrich students' understanding, appreciation, and knowledge of birds and their biodiversity.Participation in eBird enhances our human connection to birds.eBird was used as part of an online ornithology course at Saint Peter's University to provide an outside-the-classroom field-based lab experience, but it can also be applied to general biology, ecology, or other field study-based courses.It can be used throughout a semester or for a single laboratory experience.Various aspects of eBird will be explained from data entry to use of summary tools such as bar charts.Ways to develop bird identification skills will be discussed.Participants in this workshop will be able to practice using eBird on their smart phones through free apps provided by eBird and the Cornell Laboratory of Ornithology, such as Merlin Bird ID.Global eBird data is managed by the Cornell Lab of Ornithology and their partners to inform and benefit the cause of bird conservation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,012 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».