Observed Spring Phenology Responses in Experimental Environments (OSPREE)
Notice bibliographique
Résumé
This meta-analytic database of the published literature on spring phenology (e.g., budburst or leafout) of woody species in controlled environments (e.g., growth chambers) was designed to better inform models and related forecasts of spring phenology by: (1) allowing tests of the relative effects of chilling, forcing and photoperiod (daylength) on spring phenological responses and (2) giving an overview of the design of most experimental studies to date. There are four versions of this dataset:1) ospreebb_forknb.csv: a subset of the full database focused on budburst, used in Ettinger, A.K., Chamberlain, C.J., Morales-Castilla, I., Buonaiuto, D.M., Flynn, D.F.B., Savas, T., Samaha, J.A. and Wolkovich, E.M., 2020. Winter temperatures predominate in spring phenological responses to warming. Nature Climate Change, 10(12), pp.1137-1142.2) ospree_forknb_limcue.csv: the full database, used in E.M. Wolkovich,, C.J. Chamberlain, D.M. Buonaiuto, A.K. Ettinger, I. Morales-Castilla. 2022. Limiting cues: How spring warming, winter chilling and daylength shape climate change responses. New Phytologist.3) ospreebb2019update_forknb.csv: an update to the budburst database above, which includes additional datasets added in 2019 (see Methods for details).4) ospreebbphyloms_forknb.csv: a subset of the updated budburst database above, used in Morales-Castilla, I., et al. "Phylogenetic estimates of species-level phenology improve ecological forecasting"
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,008 |
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 ».