MétaCan
Menu
Retour à la cohorte
Enregistrement W4402481882 · doi:10.1111/2041-210x.14407

Introducing a unique animal <scp>ID</scp> and digital life history museum for wildlife metadata

2024· article· en· W4402481882 sur OpenAlexafffund
Martin Wikelski, Michael Quetting, John M. Bates, Tanya Berger‐Wolf, Gil Bohrer, Luca Börger, Taylor K. Chapple, Margaret C. Crofoot, Sarah C. Davidson, Dina K. N. Dechmann, Diego Ellis‐Soto, Elizabeth R. Ellwood, Wolfgang Fiedler, Andrea Flack, Barbara Fruth, Novella Franconi, Rasmus Worsøe Havmøller, Julian Hirt, Nigel E. Hussey, Fabiola Iannarilli, Matthias Landwehr, Maximilian E. Müller, Thomas Mueller, U. Mueller, Ruth Y. Oliver, Jesko Partecke, Ivan Pokrovsky, Liya Pokrovskaya, Dustin R. Rubenstein, Christian Rutz, Kamran Safi, Andrea Santangeli, O. Louis van Schalkwyk, Ana M. M. Sequeira, Sherub Sherub, Tharmalingam Ramesh, Pauli Viljoen, Kaja A. Wasik, Timm A. Wild, Scott W. Yanco, Roland Kays

Notice bibliographique

RevueMethods in Ecology and Evolution · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of Windsor
Organismes subventionnairesDivision of Environmental BiologyAustralian National UniversityDirectorate-General XII, Science, Research, and DevelopmentMax-Planck-GesellschaftSenckenberg Biodiversität und Klima ForschungszentrumOhio State UniversityUniversity of PretoriaBiological and Physical Sciences DivisionNational Geographic SocietyDirectorate for Biological SciencesSwansea UniversityUniversitetet i AgderNorth Carolina Museum of Natural SciencesUniversity of St AndrewsACT GovernmentUniversität KonstanzNorth Carolina State UniversityUniversity of WindsorOregon State UniversityNuclear Safety and Security CommissionGordon and Betty Moore FoundationH2020 Marie Skłodowska-Curie ActionsYale UniversityNational Aeronautics and Space Administration
Mots-clésMetadataWildlifeWorld Wide WebComputer scienceGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past five decades, a large number of wild animals have been individually identified by various observation systems and/or temporary tracking methods, providing unparalleled insights into their lives over both time and space. However, so far there is no comprehensive record of uniquely individually identified animals nor where their data and metadata are stored, for example photos, physiological and genetic samples, disease screens, information on social relationships. Databases currently do not offer unique identifiers for living, individual wild animals, similar to the permanent ID labelling for deceased museum specimens. To address this problem, we introduce two new concepts: (1) a globally unique animal ID (UAID) available to define uniquely and individually identified animals archived in any database, including metadata archived at the time of publication; and (2) the digital ‘home’ for UAIDs, the Movebank Life History Museum (MoMu), storing and linking metadata, media, communications and other files associated with animals individually identified in the wild. MoMu will ensure that metadata are available for future generations, allowing permanent linkages to information in other databases. MoMu allows researchers to collect and store photos, behavioural records, genome data and/or resightings of UAIDed animals, encompassing information not easily included in structured datasets supported by existing databases. Metadata is uploaded through the Animal Tracker app, the MoMu website, by email from registered users or through an Application Programming Interface (API) from any database. Initially, records can be stored in a temporary folder similar to a field drawer, as naturalists routinely do. Later, researchers and specialists can curate these materials for individual animals, manage the secure sharing of sensitive information and, where appropriate, publish individual life histories with DOIs. The storage of such synthesized lifetime stories of wild animals under a UAID (unique identifier or ‘animal passport’) will support basic science, conservation efforts and public participation.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,284
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods in Ecology and EvolutionMême sujetWildlife Ecology and ConservationTravaux en français237 207