MétaCan
Menu
Retour à la cohorte
Enregistrement W4390343062 · doi:10.1080/11956860.2023.2298754

A synthesis of plant invasion control: important factors to consider when choosing a control method

2023· article· en· W4390343062 sur OpenAlexvenueno aff
Norul Sobuj, Chaeho Byun

Notice bibliographique

RevueEcoscience · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésHabitInvasive speciesHabitatControl (management)EcologyBiologySelection (genetic algorithm)Computer scienceMachine learningArtificial intelligencePsychology

Résumé

récupéré en direct d'OpenAlex

Experimental studies on invasive plant control often involve a small number of invasive plants and are conducted in a particular habitat. Moreover, different invasive plant control strategies vary among studies. Therefore, it is difficult to identify the best control method when considering the individual studies separately. Here, we conduct a systematic review to find a general pattern about the most widely used measures for controlling invasive plants, based on their growth habits and invaded habitats, and explore how different control strategies vary across different experimental studies. This information may guide us to improve our control efficiency. We found that herbicide application was the most preferred method for controlling invasive plants, regardless of their growth habit and habitat type. On the other hand, the selection of an appropriate non-chemical control method depended on the growth habit and habitat of the invasive plant. In the majority of experimental studies, control treatments were applied once, and the responses of invasive plants were monitored over one growing season. Based on these results, we discuss the merits and demerits of the most widely used control methods and provide recommendations for deciding on an effective control method.

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)0,049
score de la tête « metaresearch » (Gemma)0,205
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,257

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,205
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0100,008
Bibliométrie0,0190,013
Études des sciences et des technologies0,0010,002
Communication savante0,0070,008
Science ouverte0,0030,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,021
Tête enseignante GPT0,269
Écart entre enseignants0,247 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207