Advances in life‐history knowledge for 35 seahorse species from community science
Notice bibliographique
Résumé
Marine community science presents an important route to gather valuable scientific information while also influencing local management and policy, thus contributing to marine conservation efforts. Because seahorses are cryptic but charismatic species, they are good candidates for engaging diverse people to help overcome the many gaps in biological knowledge. We have synthesized information contributed to the community science project iSeahorse from October 2013 to April 2022 for 35 of 46 known seahorse species. We then compared the obtained results with information in existing IUCN Red List assessments, executed from 2014 to 2017, to explore the potential of iSeahorse in expanding seahorse knowledge. Our results show updated geographic ranges for 7 seahorse species, new habitats described for 24 species, observations outside the previously recorded depth range for 14 species, and new information on sex ratio for 15 species and on pregnancy seasonality for 11 species. As one example of the power of iSeahorse, contributed observations on Coleman's pygmy seahorse (Hippocampus colemani) indicated that its geographic range is thousands of square kilometers larger, its habitat more diverse, and its depth range shallower than previously known. It is clear that iSeahorse is expanding knowledge on seahorses to a level that will help improve IUCN Red List assessments. The power of community science for marine conservation in general needs to be fully explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,011 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».