MétaCan
Menu
Retour à la cohorte
Enregistrement W4402763095 · doi:10.3897/mbmg.8.126058

Centering accessibility, increasing capacity, and fostering innovation in the development of international eDNA standards

2024· article· en· W4402763095 sur OpenAlexaff
Shana Lee Hirsch, Neha Acharya‐Patel, Phyllis Akua Amamoo, Giomar Helena Borrero‐Pérez, Ni Kadek Dita Cahyani, Joape Ginigini, Kaleonani K. C. Hurley, Manuel Lopes‐Lima, Mark Louie D. Lopez, Ntanganedzeni Mapholi, Koffi Nouho Ouattara, Diana A. Pazmiño, Yoshimi M. Rii, Fabiano L. Thompson, Sophie von der Heyden, Mrinalini Watsa, Vanessa Yepes–Narváez, Elizabeth Andruszkiewicz Allan, Ryan P. Kelly

Notice bibliographique

RevueMetabarcoding and Metagenomics · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental DNA in Biodiversity Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBusinessProcess management

Résumé

récupéré en direct d'OpenAlex

Environmental DNA (eDNA) includes a set of rapidly emerging technologies that have the potential to support environmental monitoring and biodiversity conservation through novel, non-invasive, cost-effective and democratic methods and tools. Meanwhile, eDNA researchers are developing international standards for eDNA technologies, methods and data outputs. For eDNA technologies to be accessible, useful and appropriate, we must ensure that any standards developed include a broad conception of users from around the world, a diversity of ecological contexts and locations and, most importantly, a realistic outlook on research capacities and infrastructure. In this article, we assemble perspectives on international standardisation of eDNA from a diverse and global group of users and experts from Africa, South America and the Pacific Islands. The authors of this article collaborated by answering and discussing a set of open-ended questions aimed at eliciting hopes, concerns and experiences regarding eDNA standards. The result is a set of emergent themes and a generative consensus to highlight the need for the creation of adaptable standards, the development of regional capacity, increased sensitising to data sovereignty and the viewing of standardisation as a global capacity-building activity.

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)0,000
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 enseignants0,261
Score d'incertitude au seuil0,279

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
Science ouverte0,0000,001
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 Opus0,057
Tête enseignante GPT0,282
Écart entre enseignants0,224 · 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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetabarcoding and MetagenomicsMême sujetEnvironmental DNA in Biodiversity StudiesTravaux en français237 207