MétaCan
Menu
Back to cohort
Record W6887347629 · doi:10.15468/tn8tu9

Collections des Herbiers d’Afrique de l'Ouest et d'Afrique Centrale

2023· dataset· fr· W6887347629 on OpenAlexaff

Bibliographic record

VenueGlobal Biodiversity Information Facility · 2023
Typedataset
Languagefr
Field
Topic
Canadian institutionsCarbon Engineering (Canada)
Fundersnot available
KeywordsWestern europeContext (archaeology)National library

Abstract

fetched live from OpenAlex

Dans la plupart des Herbiers d‘Afrique, la numérisation des collections botaniques est une activité qui prend de plus en plus d’ampleur pour la sauvegarde des données ainsi que la valorisation des données sur la biodiversité. La numérisation des spécimens d’herbiers et la mise en relation de leurs données d’étiquettes dans les bases de données fournissent des instruments évidents de consultation, d’échange et d’analyse pour les recherches en systématique, en biogéographie, en écologie et aujourd’hui en biodiversité informatique. Dans le cadre des recherches pluridisciplinaires, il est apparu évident que la connaissance de la flore est nécessaire pour les chercheurs qui doivent intervenir sur le terrain (anthropologues, botanistes, entomologistes, écologues, paléo environnementalistes, bio-informaticiens, etc.). Par ailleurs, le volume des informations de la biodiversité donné sur l’Afrique devenant de plus en plus important avec son lot d’incertitudes, il devient important de mutualiser les capacités réelles et actuelles disponibles au sein des musées de la biodiversité et mettre en réseau ces données botaniques au service des décideurs pour la conservation de la biodiversité, au service de la recherche scientifique et pour le bien-être des populations. En effet, des travaux de recherche ont permis de produire des données floristiques sur tous les pays notamment le Bénin, Cameroun, Côte d’Ivoire, Gabon, Guinée et Togo, en particulier sur leurs Herbiers référence. Ces données sont dispersées dans les bases de données appartenant aux Herbiers nationaux des différents pays et à leurs partenaires Herbier national de du MNHN (P), Herbier de Strasbourg (STR) ou Nationaal Herbarium Nederlands (WAG), ou dans des documents parfois peu diffusés. Il s’agit de mutualiser ces données sur une plate-forme floristique à partir des échantillons disponibles dans les Herbiers des pays partenaires du projet. Cette plate-forme intègre aussi les savoirs endogènes des ethnies locales sur les plantes, les photos des taxons et autres illustrations. Cette plateforme régionale est aussi un dispositif au Sud pour valoriser les collections locales au même titre que les grandes institutions du Nord. Elle est mise à la disposition des équipes scientifiques et des partenaires dans le but d’aider à l’identification des espèces sur le terrain et en herbier et de produire une liste contrôlée des noms des plantes de la région concernée et elle offrira aussi d’autres fonctionnalités, comme, des outils de gestion et de recherche cartographique. Elle pointera sur le site du GBIF : www.gbif.org. Objectif général : Mise en place d’une plate-forme floristique des Herbiers d’Afrique de l’Ouest (en partie) pour aider à l’identification des plantes, à la documentation de la connaissance de la flore et au partage des données de la biodiversité des pays participants. En gros faire de la métadonnée sous-régionale qui soit le noyau de quelque chose de plus intégrant. Le consortium pilote se veut aussi de mettre en place un fleuron associatif des herbiers d’Afrique et chercher à se donner les moyens de sa concrétisation avec un projet plus grand qui verrait la participation des herbiers des autres pays d’Afrique. La plateforme veut vivre par le biais d’un collectif animateur et jette les bases de cette collaboration régionale dans l’espoir de l’élargissement de cette équipe aux herbiers aujourd’hui absent.

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.

How this classification was reachedexpand

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)0.002
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Dataset · Consensus signal: Dataset
Teacher disagreement score0.653
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0010.002
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.005
Science and technology studies0.0030.002
Scholarly communication0.0010.005
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0020.655

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 head0.018
GPT teacher head0.238
Teacher spread0.220 · 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

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreDataset

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueGlobal Biodiversity Information FacilityFrench-language works237,207