MétaCan
Menu
Retour à la cohorte
Enregistrement W2070080821 · doi:10.1086/522056

Does Competition between Resources Change the Competition between Their Consumers to Mutualism? Variations on Two Themes by Vandermeer

2007· article· en· W2070080821 sur OpenAlexafffund
Peter A. Abrams, Mifuyu Nakajima

Notice bibliographique

RevueThe American Naturalist · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensToronto ZooUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMutualism (biology)Competition (biology)PopulationResource (disambiguation)BusinessEcologyEconomicsBiologyComputer scienceDemography

Résumé

récupéré en direct d'OpenAlex

How does competition between resources affect the interaction between consumer species that share those resources? Existing theory suggests that high resource competition can lead to mutualism. However, this is based on an analysis that need only apply near equilibrium, and experimental demonstrations of such mutualism are rare. Two alternative approaches to measuring food web mutualism are examined here. These are based on the population-level effects of adding or removing a consumer species or on the amount of additional mortality that can be applied to one consumer without excluding it. Both measures suggest that mutualism is likely to be confined to two situations: when overlap in resource use by the consumers is very low and when the consumers are inefficient users of their resources. Competition between resources is also likely to increase the occurrence and magnitude of "hypercompetition" between consumers, where the reduction in population size caused by the introduced consumer is greater than that caused by a consumer that is identical to the resident species. Competition between resources can also increase the negative interaction between consumers by destabilizing the dynamics of the system. Such destabilization can cause negative indirect interactions between specialist consumers having no overlap in resource use.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,417
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,261
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations21
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetPlant and animal studiesTravaux en français237 207