MétaCan
Menu
Retour à la cohorte
Enregistrement W1964792697 · doi:10.1111/oik.00878

A temporal dimension to the stress gradient hypothesis for intraspecific interactions

2014· article· en· W1964792697 sur OpenAlexafffundabout
Shekhar R. Biswas, Helene H. Wagner

Notice bibliographique

RevueOikos · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIntraspecific competitionInterspecific competitionEcologyDominance (genetics)BiologyForbEnvironmental gradientDensity dependenceOld fieldEnvironmental stressCompetition (biology)Field experimentHabitatDemographyGrasslandPopulation

Résumé

récupéré en direct d'OpenAlex

Space and time are the two fundamental drivers of ecological dynamics. Studies exploring the Stress gradient hypothesis (SGH) – which predicts that the patterns of interspecific interactions shift from negative to positive with increasing environmental severity – conceptualize environmental severity predominantly from a spatial perspective. Here, from a temporal perspective and for intraspecific interactions, we asked: do the predictions of the SGH at the intraspecific level apply to seasonal change in environmental severity? We conducted a field experiment, which was complemented by a two‐year field survey of natural populations of the non‐native biennial forb Alliaria petiolata at the Koffler Scientific Reserve, Ontario, Canada. In both experiment and field survey studies we found statistically significant negative density‐dependent survival in the productive summer period and positive density‐dependent survival over the severe winter period. Effects were stronger in the field experiment than in the survey of natural populations. We suggest that the SGH at the intraspecific level may be applicable to seasonal variation in environmental severity, though our ability to detect its effect in natural communities may depend on other factors such as species dominance and environmental heterogeneity.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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

Citations25
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetEcosystem dynamics and resilienceTravaux en français237 207