MétaCan
Menu
Retour à la cohorte
Enregistrement W4386393007 · doi:10.1002/ece3.10480

New methods for estimating the total wing area of birds

2023· article· en· W4386393007 sur OpenAlexafffund
Hellen Fu, Michelle Su, Jonathan J. Chu, Alexandra Margaritescu, Santiago Claramunt

Notice bibliographique

RevueEcology and Evolution · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensRoyal Ontario MuseumUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRoyal Ontario Museum
Mots-clésWingWingspanWing loadingBiological dispersalOrnithologyBird flightEcologyBiologyAerospace engineeringEngineeringPopulationAngle of attackAerodynamicsSouthern Hemisphere

Résumé

récupéré en direct d'OpenAlex

Dispersal is a fundamental process in evolution and ecology. Due to the predominant role of flight in bird movement, their dispersal capabilities can be estimated from their flight morphology. Most predictors of flight efficiency require an estimate of the total wing area, but the existing methods for estimating wing area are multi-stepped and prone to compounding error. Here, we validated a new method for estimating the total wing area that requires only the measurement of the wingspan plus two measurements from the folded wings of study skin specimens: wing length and wing width. We demonstrate that the new folded-wing method estimates total wing area with high precision across a variety of avian groups and wing shapes. In addition, the new method performs as well as the old method when used to estimate natal dispersal distances of North American birds. The folded-wing method will allow for estimates of the total wing to be readily obtained from thousands of specimens in ornithological collections, thus providing critical information for studies of flight and dispersal in birds.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,315
Écart entre enseignants0,290 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetAvian ecology and behaviorTravaux en français237 207