Evaluating Patterns of Research Activity in Terrestrial and Aquatic Ecological Corridors using a Systematic Quantitative Literature Review (SQLR) Framework
Notice bibliographique
Résumé
This study investigates emerging patterns and trends of research activity in terrestrial and aquatic ecological corridors from 1991 to 2022. A Systematic Quantitative Literature Review (SQLR) framework was applied to analyse existing literature across multiple scientific databases. Topic modelling, co-occurrence networks and occurring phraseologies were used as text mining approaches to provide quantitative analysis to the review. Research was centred around carefully selected terms using an inclusion and exclusion criteria to filter out unrelated articles while abstracts and author keywords were extracted and analysed for text mining. The results of SQLR revealed the total number of publications and co-authorship have increased over time. Research approaches were largely observational but show a shift towards a mixture of observational and experimental techniques. Canada, China, Europe and the United States produced a large proportion of papers which also reflects the type of biomes and organisms analysed. Of the species identified in publications, large mammalian organisms were commonly studied in comparison to herpetofauna suggesting patterns of bias based on levels of endemism and evolutionary uniqueness. Topic models and co-occurrence networks show wildlife dispersal structures and spatial conservation to be prominent topics in research. Such results suggest the trajectory of spatiotemporal research and species occupancy models in ecological corridors. Finally, future research highlights the work of collaboration among researchers across disciplines creating more novel scientific discoveries and evidence-based research.
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 | 0,004 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».