Strontium isoscapes for provenance, mobility and migration: the way forward
Notice bibliographique
Résumé
Strontium isotopes ( 87 Sr/ 86 Sr) are increasingly used as a provenance tool in multiple disciplines. Application to biological materials requires knowledge of the variation in bioavailable 87 Sr/ 86 Sr across the landscape, potentially in the form of an isoscape (a quantitative model of spatial isotopic variability). This paper summarizes and provides advice on our current understanding of the main concerns in creating and interpreting isoscapes of bioavailable 87 Sr/ 86 Sr. Isoscape creation approaches include domain mapping, geostatistical contour mapping and machine learning, the last becoming more readily achievable with the availability of software packages. It is critically important to develop isoscapes at a resolution appropriate for addressing the research questions. Choice of sample materials depends on the research questions and availability: plants or fauna with small ranges are favoured, with some analytes (snails, soil leachates) posing challenges. Interpreting 87 Sr/ 86 Sr in biological tissues requires considering Sr metabolism and the timing of tissue formation, thus far underappreciated. The numerous sources of error involved in developing and applying isoscapes must be recognized to avoid over-interpreting data and spurious provenance precision. We hope this paper will help researchers investigating provenance, mobility, landscape use and migration to develop the most appropriate isoscapes for their purposes, and possible future use by others.
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 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,003 |
| 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.
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.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».