MétaCan
Menu
Retour à la cohorte
Enregistrement W4389894118 · doi:10.1038/s41597-023-02745-4

Global inventory of species categorized by known underwater sonifery

2023· article· en· W4389894118 sur OpenAlexaff
Audrey Looby, Christine Erbe, Santiago Bravo, Kieran Cox, Hailey L. Davies, Lucia Di Iorio, Youenn Jézéquel, Francis Juanes, Charles W. Martin, T. Aran Mooney, Craig A. Radford, Laura K. Reynolds, Aaron N. Rice, Amalis Riera, Rodney A. Rountree, Brittnie Spriel, Jenni A. Stanley, Sarah Vela, Miles Parsons

Notice bibliographique

RevueScientific Data · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensDalhousie UniversityUniversity of VictoriaSimon Fraser University
Organismes subventionnairesVlaamse regeringFonds Wetenschappelijk OnderzoekVlaams Instituut voor de ZeeLifeWatch – Niclas Öberg FoundationRichard Lounsbery Foundation
Mots-clésBiodiversityInvertebrateUnderwaterMarine lifeEcologySubspeciesMarine biodiversityEnvironmental resource managementBiologyMarine speciesGeographyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

A working group from the Global Library of Underwater Biological Sounds effort collaborated with the World Register of Marine Species (WoRMS) to create an inventory of species confirmed or expected to produce sound underwater. We used several existing inventories and additional literature searches to compile a dataset categorizing scientific knowledge of sonifery for 33,462 species and subspecies across marine mammals, other tetrapods, fishes, and invertebrates. We found 729 species documented as producing active and/or passive sounds under natural conditions, with another 21,911 species deemed likely to produce sounds based on evaluated taxonomic relationships. The dataset is available on both figshare and WoRMS where it can be regularly updated as new information becomes available. The data can also be integrated with other databases (e.g., SeaLifeBase, Global Biodiversity Information Facility) to advance future research on the distribution, evolution, ecology, management, and conservation of underwater soniferous species worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,006
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,068
Tête enseignante GPT0,279
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetMarine animal studies overviewTravaux en français237 207