MétaCan
Menu
Retour à la cohorte
Enregistrement W4385296412 · doi:10.3389/fevo.2023.1050268

FUN Azores: a FUNctional trait database for the meio-, macro-, and megafauna from the Azores Marine Park (Mid-Atlantic Ridge)

2023· article· en· W4385296412 sur OpenAlexaff
Neus Campanyà‐Llovet, Amanda E. Bates, Daphné Cuvelier, Eva Giacomello, Diana Catarino, Andrew J. Gooday, Björn Berning, Blanca Figuerola, Manuel António E. Malaquias, Carlos J. Moura, Joana R. Xavier, Tracey Sutton, Laurence Fauconnet, Sofia P. Ramalho, Bárbara de Moura Neves, Gui M. Menezes, Tammy Horton, Andrey Gebruk, K. V. Minin, Joël Bried, Tina N. Molodtsova, Mónica A. Silva, A. B. Dilman, Antonina Kremenetskaia, Eudriano F. S. Costa, Jameson W. Clarke, Helen R. Martins, Christopher K. Pham, Marina Carreiro‐Silva, Ana Colaço

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine Biology and Ecology Research
Établissements canadiensFisheries and Oceans CanadaUniversity of Victoria
Organismes subventionnairesFundação para a Ciência e a TecnologiaNatural Environment Research CouncilEuropean CommissionSight Research UK
Mots-clésEcologyMegafaunaBiologyTraitEcosystemTaxonomic rankBiodiversityBenthic zoneGeographyTaxon

Résumé

récupéré en direct d'OpenAlex

Trait-based approaches that complement taxonomy-based studies have increased in popularity among the scientific community over the last decades. The collection of biological and ecological characteristics of species (i.e., traits) provides insight into species and ecosystem vulnerability to environmental and anthropogenic changes, as well as ecosystem functioning. Here, we present the FUN Azores trait database, describe our approach, evaluate its scope, compare it to other marine trait databases, and explore the spatial distribution of its traits with “functional maps.” While most of the available trait databases to date contain essential information to understand the functional diversity of a taxonomic or functional group, our ecosystem-based approach provides a comprehensive assessment of diverse fauna (i.e., meio-, macro-, and megafauna) from benthic and pelagic environments in the Azores Marine Park; including ridges, seamounts, hydrothermal vents, and the overlying water column. We used a collaborative approach involving 30 researchers with different expertise to develop the FUN Azores database, which contains compiled data on 14 traits representing morphological, behavioral, and life history characteristics for 1,210 species across 10 phyla. The “functional maps” show a distinct distribution of the two most common size classes, suggesting different communities with different functionalities. The following traits had the best scoring coverage (i.e., >95% of the species scored): maximum body size, body form, skeleton material, feeding structure, motility, environmental position, substratum affinity, distribution, and depth range; while traits related to species behavior (e.g., sociability or aggregation tendencies) and life history (e.g., developmental mechanism) had lower scoring coverage, highlighting the need for further research to fill these knowledge gaps. We found a larger number of species in the benthic compared to the pelagic environment and differing species composition between areas within the Azores Marine Park resulting from varying biodiversity, ecosystem types, sampling effort, and methodologies used. The FUN Azores database will foster and facilitate trait-based approaches in the area, develop a framework for expansion of cross-ecosystem and cross-taxa trait databases elsewhere, and improve our ecological understanding of the Azores Marine Park and its conservation requirements.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,971

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetMarine Biology and Ecology ResearchTravaux en français237 207