Biological knowledge shortfalls impede conservation efforts in poorly studied taxa—A case study of Laboulbeniomycetes
Notice bibliographique
Résumé
Abstract Most empirical research on biological shortfalls has focused on vertebrate taxa. This is important given many species in poorly studied groups such as invertebrates, plants, and fungi are predicted to possess high conservation risk. Here, we focus on Laboulbeniomycetes: a class of microfungi that are understudied. We examined four shortfalls: Linnean (knowledge gaps in species diversity), Wallacean (knowledge gaps in distributions), Latimerian (knowledge gaps in species persistence), and the newly introduced Scottian (knowledge gaps in species conservation assessments) shortfalls. The Linnean shortfall in Laboulbeniomycetes is hard to predict due to inconsistent species description rates. Analysis of distribution patterns indicates Laboulbeniomycetes are likely to experience an extremely high Wallacean shortfall, with many species having highly disjunct known distributions. Latimerian shortfall analysis shows over half (51%) of Laboulbeniomycetes have not been recorded in >50 years, while the group has a collective Scottian shortfall of 100%, given none of the 2454 described species have received an IUCN threat assessment. We suggest continued study of natural history collections, expanded citizen science programmes, and machine‐learning identification approaches as important tools for reducing knowledge shortfalls in both Laboulbeniomycetes and poorly studied taxa more generally.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».