A caccia di dinosauri. Scavare nel passato per scoprire il futuro del pianeta
Bibliographic record
Abstract
Perché mai, nell’epoca dell’esplosione della tecnologia, un giovane promettente dovrebbe fare il paleontologo? Quale interesse possono avere oggi ossa e tracce risalenti a milioni di anni fa?Sono domande che Federico Fanti, paleontologo e National Geographic Explorer, oltre che conduttore della trasmissione cult Il cacciatore di dinosauri, si è sentito porre molte volte. Ma la sua risposta è decisa e intrigante: scavare per capire come quelle incredibili creature – il 99,9% di tutte le forme di vita mai esistite! – abbiano affrontato i cambiamenti che la Terra ha subìto (ere glaciali, asteroidi, collisioni tra continenti, estinzioni di massa...) può aiutarci a comprendere perché il nostro Pianeta appaia attualmente com’è e quali mutazioni lo attendano se non trasformeremo presto le nostre abitudini.Ecco perché, sotto la minaccia drammatica del riscaldamento globale, è particolarmente interessante andare a caccia di dinosauri. Conscio di ciò, Fanti ci porta per mano nelle proprie missioni raccontate con ironia e spirito d’avventura, dal Canada alla Mongolia, dall’Inghilterra alla Tunisia, sempre in scenari remoti e affascinanti. Seguendo le sue indagini sul campo, impariamo così a osservare con l’occhio dello scienziato ambienti e stratificazioni e a ridimensionare la posizione della specie umana, una fra le tante sulla Terra. Il mondo non è nostro e la paleontologia – oggi più attuale che mai – ci induce non solo ad accettarlo ma anche a adeguarci di conseguenza.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.017 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.023 | 0.007 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".