Describing and quantifying interspecific interactions: a commentary on recent approaches
Notice bibliographique
Résumé
There has been a recent resurgence of attempts to measure the strengths of interspecific interactions in biological communities. Two recent reviews have compared the performances of different measures of interaction strength using simulations. The goal of obtaining measures of interaction strength is based on the premise that such measures will achieve a closer connection between theory and experiment in community ecology. The present article disputes this premise. Because interactions are typically nonlinear, single numerical measures are generally poor characterizations. Typically, the functional dependencies of growth rates on population densities are unknown. Lacking more information about the form of these functions, the results of most population manipulations make very limited contributions to the construction of dynamic models of communities. Even if all effects of population densities on per capita growth rates were linear, performing all possible removal experiments will frequently fail to identify the constants of proportionality. Many misconceptions about the meaning and measurement of interaction coefficient persist. More extensive natural history observations and use of more flexible short‐term experiments are advocated as approaches that will aid in constructing mathematical models of interspecific interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,038 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,031 |
| Communication savante | 0,010 | 0,033 |
| Science ouverte | 0,015 | 0,007 |
| Intégrité de la recherche | 0,030 | 0,064 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».