MétaCan
Menu
Retour à la cohorte
Enregistrement W1928217968 · doi:10.1111/ele.12522

The effects of phylogenetic relatedness on invasion success and impact: deconstructing Darwin's naturalisation conundrum

2015· letter· en· W1928217968 sur OpenAlexafffund
Shaopeng Li, Marc W. Cadotte, Scott J. Meiners, Zheng‐shuang Hua, Haoyue Shu, Jin‐tian Li, Wensheng Shu

Notice bibliographique

RevueEcology Letters · 2015
Typeletter
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésNaturalisationIntroduced speciesInvasive speciesBiologyEcologyPhylogenetic treeNicheAdaptation (eye)Evolutionary biology

Résumé

récupéré en direct d'OpenAlex

Darwin's naturalisation conundrum describes the paradox that the relatedness of exotic species to native residents could either promote or hinder their success through opposing mechanisms: niche pre-adaptation or competitive interactions. Previous studies focusing on single snapshots of invasion patterns have provided support to both sides of the conundrum. Here, by examining invasion dynamics of 480 plots over 40 years, we show that exotic species more closely related to native species were more likely to enter, establish and dominate the resident communities, and that native residents more closely related to these successful exotics were more likely to go locally extinct. Therefore, non-random displacement of natives during invasion could weaken or even reverse the negative effects of exotic-native phylogenetic distances on invasion success. The scenario that exotics more closely related to native residents are more successful, but tend to eliminate their closely related natives, may help to reconcile the 150-year-old conundrum.

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)0,007
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,006
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,220 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations133
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207