MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394479818 · doi:10.6084/m9.figshare.14511630

Human-climate coupled changes in vegetation community complexity of China since the 1980s

2022· dataset· en· W4394479818 sur OpenAlexaff
Yanjun Su, Qinghua Guo, Hongcan Guan, J. F. Hu, Shichao Jin, Zhiheng Wang, Lingli Liu, Lin Jiang, Ke Guo, Zongqiang Xie, An Shazhou, Xuelin Chen, Zhanqing Hao, Yuanman Hu, Yongmei Huang, Mingxi Jiang, Jiaxiang Li, Zhenji Li, Xiankun Li, Xiaowei Li, Cunzhu Liang, Liu Renlin, Qing Liu, Hongwei Ni, Shaolin Peng, Zehao Shen, Zhiyao Tang, Xingjun Tian, Xihua Wang, Renqing Wang, Yingzhong Xie, Xiaoniu Xu, Xiaobo Yang, Yongchuan Yang, Lifei Yu, Ming Yue, Feng Zhang, Jun Chen, Keping Ma

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésChinaVegetation (pathology)GeographyEnvironmental scienceClimate changePhysical geographyClimatologyEcologyGeologyBiologyArchaeologyMedicine

Résumé

récupéré en direct d'OpenAlex

Vegetation community complexity is a critical factor influencing terrestrial ecosystem stability. China, the country leading the world in vegetation greening resulting from human activities, has experienced dramatic changes in vegetation community composition during the past 30 years. However, how China’s vegetation community complexity varies spatially and temporally remains unclear. Here, we provided the datasets and codes used to investigate this issue, as published in "Human-climate coupled changes in vegetation community complexity of China since 1980s" by Su et al.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,263

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,065
Tête enseignante GPT0,277
Écart entre enseignants0,212 · 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
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetLand Use and Ecosystem Services→Travaux en français237 207→