Évaluation de modèles servant à prédire les assemblages aviaires dans l'est du Canada
Notice bibliographique
Résumé
Au cours des quinze dernières années, de nombreuses initiatives canadiennes ont contribué au développement de modèles de prédiction des oiseaux nicheurs afin de répondre aux besoins urgents de conservation de l’avifaune forestière du Canada. Le projet IRMA (Inférences Régionales par Modélisation Aviaire ), soutenu par Environnement Canada, ainsi que le projet BAM (Boreal Avian Modelling), soutenu également en bonne partie par Environnement Canada, sont deux initiatives indépendantes qui visent à décrire la répartition géographique et l’abondance des oiseaux nicheurs en forêt boréale. Le présent travail vise à valider les modèles utilisés par ces deux projets en plus d’évaluer leurs forces et leurs faiblesses respectives au moyen de divers sous-ensembles de données recueillies dans la forêt boréale ontarienne et québécoise. Over the last 15 years, there have many initiatives to develop predictive breeding bird habitat models to meet the urgent needs for the conservation of Canada’s forest birds. The IRMA project (Regional Inferences by Avian Modelling), supported by Environment Canada, and the Boreal Avian Modelling Project (BAM, also largely supported by Environment Canada), were two independent initiatives seeking to describe the distribution and abundance of breeding birds in boreal forests. This study aimed to validate the predictive distribution and abundance models developed by these two projects and to evaluate their respective strengths and weaknesses by using various avian datasets collected from boreal regions of Ontario and Québec.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».