← Retour à la cohorte
Drivers of woody dominance across global drylands
Lucio Biancari, Martı́n R. Aguiar, David J. Eldridge, Gastón R. Oñatibia, Yoann Le Bagousse‐Pinguet, Hugo Sáiz, Nicolas Gross, Amy T. Austin, Victoria Ochoa, Beatriz Gozalo, Sergio Asensio, Emilio Guirado, Enrique Valencia, Miguel Berdugo, César Plaza, Jaime Martínez‐Valderrama, Betty J. Mendoza, Miguel García‐Gómez, Mehdi Abedi, Rodrigo J. Ahumada, Julio M. Alcántara, Fateh Amghar, José D. Anadón, Valeria Aramayo, Tulio Arredondo, Maaike Y. Bader, Khadijeh Bahalkeh, Farah Ben Salem, Niels Blaum, Bazartseren Boldgiv, Matthew A. Bowker, Cristina Branquinho, Chongfeng Bu, Batbold Byambatsogt, Dianela A. Calvo, Andrea P. Castillo Monroy, Helena Castro, Patricio Castro-Quezada, Roukaya Chibani, Abel Augusto Conceição, Courtney M. Currier, David A. Donoso, Andrew J. Dougill, Hamid Ejtehadi, Carlos Iván Espinosa, Alex Fajardo, Mohammad Farzam, Daniela Ferrante, Lauchlan H. Fraser, Juan Gaitán, Laureano Gherardi, Elizabeth Gusmán‐Montalván, Rosa Mary Hernández, Norbert Hölzel, Elisabeth Huber‐Sannwald, Frederic Mendes Hughes, Oswaldo Jadán, Florian Jeltsch, Anke Jentsch, Mengchen Ju, Kudzai Farai Kaseke, Liana Kindermann, Melanie Köbel, Peter C. le Roux, Pierre Liancourt, Anja Linstädter, Jushan Liu, Michelle A. Louw, Gillian Maggs‐Kölling, Oumarou Malam Issa, Eugène Marais, Pierre Margerie, João Vitor S. Messeder, Juan P. Mora, Gerardo Moreno, Seth M. Munson, Gabriel Oliva, Yolanda Pueyo, R. Emiliano Quiroga, Sasha C. Reed, Pedro J. Rey, Alexandra Rodríguez, Laura B. Rodríguez, Víctor Rolo, Jan C. Ruppert, Osvaldo E. Sala, Ayman Salah, Ilan Stavi, Colton Stephens, Anthony M. Swemmer, Alberto L. Teixido, Andrew D. Thomas, Heather L. Throop, Katja Tielbörger, Samantha K. Travers, Liesbeth van den Brink, Viktoria Wagner, Wanyoike Wamiti, Deli Wang, Lixin Wang, Peter Wolff, Laura Yahdjian, Eli Zaady, Fernando T. Maestre
Notice bibliographique
RevueScience Advances · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of AlbertaThompson Rivers University
Organismes subventionnairesUniversidad de Buenos AiresKing Abdullah University of Science and TechnologyFerdowsi University of MashhadBayerische ForschungsallianzBundesministerium für Bildung und ForschungNational Natural Science Foundation of ChinaGeneralitat ValencianaDeutsche ForschungsgemeinschaftSecretaría de Ciencia y Técnica, Universidad de Buenos AiresNational Science FoundationNorthern Arizona UniversityUniversidad de AlicanteAgencia Nacional de Promoción de la Investigación, el Desarrollo Tecnológico y la InnovaciónEuropean Commission
Mots-clésGrazingDominance (genetics)Woody plantRangelandShrubConservation grazingEcologyEcosystemAgroforestryEnvironmental scienceAbiotic componentBiologyAgronomy
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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)0,000
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 enseignants0,139
Score d'incertitude au seuil0,884
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 Opus0,005
Tête enseignante GPT0,294
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 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