MétaCan
Menu
Retour à la cohorte
Enregistrement W1565171720 · doi:10.1046/j.1365-2699.2001.00598.x

A comparison of a discovery‐based and an event‐based method of historical biogeography

2001· article· en· W1565171720 sur OpenAlexafffund
Daniel R. Brooks, Deborah A. McLennan

Notice bibliographique

RevueJournal of Biogeography · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVicarianceBiological dispersalBiogeographyGenetic algorithmEcologyDivaBiologyCladePhylogenetic treeGeography

Résumé

récupéré en direct d'OpenAlex

Aim The event‐based method Dispersal‐Vicariance Analysis (DIVA) is compared with the discovery‐based method Brooks Parsimony analysis (BPA). Location South‐western USA, Mexico and northern Central America. Methods Results of DIVA of phylogenetic trees for six clades of birds inhabiting seven areas in the south‐western US, Mexico and northern Central America are compared with those of BPA for the same data set. Results Both approaches identify the same vicariant elements but differ in the way they treat dispersal. DIVA places such elements in one general ‘dispersal’ category, while BPA identifies different forms of dispersal, including peripheral isolates speciation (speciation by dispersal), post‐speciation dispersal, non‐response to a vicariance event, secondary contact between congeners (and the potential for reinforcement completing speciation) and potential extinction resulting from competition between a resident and a colonizing congener. Main conclusions BPA is more sensitive than DIVA with respect to the different possible manifestations of geographical dispersal. Despite substantial dispersal, avian communities in these areas manifest substantial historical structuring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,071
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,317
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiogeographyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207