MétaCan
Menu
Retour à la cohorte
Enregistrement W4392577124

Can or did domestication occur without regular tillage?

2024· preprint· en· W4392577124 sur OpenAlexaff
Chris J. Stevens, Dorian Q. Fuller

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2024
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLivestock Management and Performance Improvement
Établissements canadiensArthur B. McDonald-Canadian Astroparticle Physics Research Institute
Organismes subventionnairesnon disponible
Mots-clésDomesticationTillageAgronomyBiologyEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A recent paper by Weide et al. 1 argues that cereal domestication in Southwestern Asia occurred without regular recourse to tillage and sowing.Their proposed model goes against a long tradition of thought which places cultivation, which for cereals traditionally involves annual cycles of tillage, sowing and harvesting 2,3 , at the heart of domestication, a process referred to as "pre-domestication cultivation" 4 .Weide et al. 1 apply FIBS (Functional Interpretative Botanical Systems) analysis to modern and archaeobotanical datasets, comprising charred cereal remains and weed seeds.Contrary to previous FIBS studies using multiple functional traits, the authors rely on just flowering duration, and to a lesser extent vegetative reproduction.These traits are used to define disturbed "arable" and undisturbed "non-arable" environments, inferred from modern surveys of arable fields and wild cereal grasslands, respectively.Archaeobotanical samples were assigned as "arable" or "non-arable" using these two traits, by comparison with modern environments, through discriminate analysis.Two early pre-domestication cultivation sites in Syria, Jerf el Ahmar and Dja'de aligned more closely with "non-arable" grasslands than to modern "arable" fields.This observation led Weide et al. 1 to suggest a new model of "pre-domestication cultivation" (PDC) without regular tillage and annual sowing.They then see their revised PDC model, incorporating lower selection pressures, as underpinning protracted domestication, spanning millennia.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,017
Tête enseignante GPT0,227
Écart entre enseignants0,209 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetLivestock Management and Performance ImprovementTravaux en français237 207