MétaCan
Menu
Retour à la cohorte
Enregistrement W4388515803 · doi:10.1093/ornithapp/duad059

Improving the language of migratory bird science in North America

2023· article· en· W4388515803 sur OpenAlexaboutno aff
Steven K. Albert, Rodney B. Siegel

Notice bibliographique

RevueOrnithological applications · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrnithologyNearctic ecozoneBird migrationEcologyHabitatGeographyAnnual cycleArcticTemperate climateConservation biologySouthern HemisphereBiologyTaxonomy (biology)

Résumé

récupéré en direct d'OpenAlex

Abstract Several long-accepted terms are widely misused in ornithology and have led to a misperception of important concepts in the ecology of Nearctic–Neotropical migratory birds. The term “North America” (and its ancillary terms “North American species,” “North American habitats,” etc.) is widely used to refer to the United States and Canada, when in fact it should include all of the continent from the Arctic through Panama. In a similar vein, the terms “wintering” and “over-wintering” (whether used to describe the status of individual birds or species, or as a modifier for terms like habitats, ecology, or behavior), “spring migration” and “fall migration” are inappropriate for Nearctic–Neotropical migrants because they explicitly reference conditions in the temperate zone of the continent, even as most such species spend the majority of their annual cycle elsewhere, where these terms are inaccurate and unhelpful. We discuss the pitfalls of using these terms and suggest several alternatives and replacements. In particular, we urge more precision in the use of the term “North America”; for Nearctic–Neotropical migratory species (especially long-distance migrants), we suggest retiring the terms “wintering” and “over-wintering” in favor of “nonbreeding”; and for the same group of species we suggest retiring the terms “spring migration” and “fall migration” in favor of “pre-breeding,” “post-breeding,” or “post-natal” migration.

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)0,020
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,011
Communication savante0,0080,010
Science ouverte0,0030,005
Intégrité de la recherche0,0020,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,023
Tête enseignante GPT0,265
Écart entre enseignants0,242 · 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'étudeSans objet
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrnithological applicationsMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207