Notice bibliographique
Résumé
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,026 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,255 | 0,240 |
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 source (Gemma direct ou Codex distillé), 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 ».