MétaCan
Menu
Back to cohort
Record W3083215399 · doi:10.15381/rpb.v27i3.18356

Diversidad y distribución de los mamíferos del Perú por departamentos y ecorregiones I

2020· article· es· W3083215399 on OpenAlex
Víctor Pacheco, Laura Graham-Angeles, Silvia Díaz, Cindy M. Hurtado, Dennisse Ruelas, Klauss Cervantes, José Eduardo Serrano-Villavicencio

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

affAt least one author lists a Canadian institution in the pinned OpenAlex snapshot.

Bibliographic record

VenueRevista Peruana de Biología · 2020
Typearticle
Languagees
FieldEarth and Planetary Sciences
TopicEvolution and Paleontology Studies
Canadian institutionsUniversity of British Columbia
FundersUniversidad Nacional Mayor de San MarcosField MuseumAmerican Museum of Natural History
KeywordsHumanitiesGeographyArt

Abstract

fetched live from OpenAlex

Este trabajo presenta una síntesis actualizada del conocimiento de la diversidad y distribución de 11 órdenes de mamíferos del Perú. La información de especies es presentada a nivel de país, ecorregión y por primera vez por departamento. Además, identificamos las especies endémicas para el país y damos los rangos de elevación por especie. Para ello se realizó una revisión exhaustiva tanto de la literatura como de ejemplares en colecciones científicas, además de consultas con especialistas. Aquí, reportamos 191 especies pertenecientes a los órdenes Didelphimorphia (46 spp.), Paucituberculata (2), Sirenia (1), Cingulata (5), Pilosa (8), Primates (42), Lagomorpha (2), Eulipotyphla (3), Carnivora (33), Perissodactyla (2) y Artiodactyla (47, incluyendo 32 cetáceos), de los cuales 22 especies son endémicas para el país. Debido a su alta diversidad y al alto número de cambios taxonómicos los órdenes Chiroptera y Rodentia serán tratados separadamente en futuros artículos. Los registros de especies presentadas en este trabajo, aunado a los reportes recientes de murciélagos (189 especies) y roedores (189 especies) totalizan a una diversidad de 569 especies de mamíferos para el Perú. Finalmente, proporcionamos notas taxonómicas de las especies que presentan cambios con respecto a la anterior lista de mamíferos peruanos. Esperamos que este primer listado de mamíferos por departamentos incentive estudios más detallados de la diversidad peruana a nivel regional

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.217
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.032
GPT teacher head0.260
Teacher spread0.228 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it