MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385707933 · doi:10.5194/essd-2023-263

PANABIO: A point-referenced pan-Arctic data collection of benthic biotas

2023· preprint· en· W4385707933 sur OpenAlexaboutno aff
Dieter Piepenburg, Thomas Brey, Katharina Teschke, Jennifer Dannheim, Paul Kloss, Miriam L. S. Hansen, Casper Kraan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsBundesanstalt für Landwirtschaft und ErnährungDeutsche Forschungsgemeinschaft
Mots-clésArcticBenthic zoneOceanographySea iceMarine ecosystemEnvironmental scienceBenthosArchipelagoGeographyFisheryPhysical geographyEcosystemEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Profound environmental changes, such as drastic sea-ice decline, leave large-scale ecological footprints on the distribution and composition of marine biotas in the Arctic. Currently, the impact of such stressors is not sufficiently understood due to the lack of pan-Arctic data that allow for estimating ecological baselines, as well as modelling current and forecast potential changes in benthic biodiversity and ecosystem functioning. Here, we introduce a PAN-Arctic data collection of benthic BIOtas (PANABIO), and discuss its timeliness, potential, and details of its further development. The data collection contains records of benthic fauna at genus-level or species-level identified in field samples obtained by means of grabs, towed gear, or seabed imaging. Currently, it includes records of 2,968 species or genera, ranging from presence to counts, densities or biomass, grouped per sample. The data represent the pan-Arctic realm, covering all major marine areas, i.e., the central Arctic Ocean, Chukchi Sea, East Siberian Sea, Laptev Sea, Kara Sea, Barents Sea (incl. White Sea), Svalbard waters, Greenland Sea, Norwegian Sea, Canadian Archipelago, Beaufort Sea, and Bering Sea. All data are point-referenced sampling locations. Currently, 124,040 records from 10,645 samples taken at 10,631 stations between 1800 and 2014 are included, but these numbers will increase with more data becoming available. The data collection is available in a PostgreSQL-based data warehouse that can be accessed and queried through an open-access frontend web service at https://critterbase.awi.de/panabio. A snap shot of the current data collection (of 26 June 2023) is also available from the data publisher PANGAEA.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,104
Tête enseignante GPT0,321
Écart entre enseignants0,217 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and fisheries research→Travaux en français237 207→