MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948637857 · doi:10.5061/dryad.81tf9

Data from: The fragmentation of Pangaea and Mesozoic terrestrial vertebrate biodiversity

2016· dataset· en· W6948637857 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2016
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensRoyal Ontario Museum
Organismes subventionnairesnon disponible
Mots-clésPangaeaMesozoicBiodiversitySupercontinentVertebrateFragmentation (computing)Terrestrial ecosystemEndangered species

Résumé

récupéré en direct d'OpenAlex

During the Mesozoic (242–66 million years ago), terrestrial regions underwent a massive shift in their size, position and connectivity. At the beginning of the era, the land masses were joined into a single supercontinent called Pangaea. However, by the end of the Mesozoic, terrestrial regions had become highly fragmented, both owing to the drifting apart of the continental plates and the extremely high sea levels that flooded and divided many regions. How terrestrial biodiversity was affected by this fragmentation and large-scale flooding of the Earth's landmasses is uncertain. Based on a model using the species–area relationship (SAR), terrestrial vertebrate biodiversity would be expected to nearly double through the Mesozoic owing to continental fragmentation, despite a decrease of 24% in total terrestrial area. Previous studies of Mesozoic vertebrates have generally found increases in terrestrial diversity towards the end of the era, although these increases are often attributed to intrinsic or climatic factors. Instead, continental fragmentation over this time may largely explain any observed increase in terrestrial biodiversity. This study demonstrates the importance that non-intrinsic effects can have on the taxonomic success of a group, and the importance of geography to understanding past biodiversity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,015

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 Opus0,050
Tête enseignante GPT0,263
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Même sujetSpecies Distribution and Climate Change→Travaux en français237 207→