MétaCan
Menu
Retour à la cohorte
Enregistrement W2101108050 · doi:10.1046/j.1365-2656.2002.00668.x

Connectance in stream food webs

2002· article· en· W2101108050 sur OpenAlexaff
J. M. Schmid‐Araya, Peter Schmid, Anne L. Robertson, Julie H. Winterbottom, Charlotte Gjerløv, Alan G. Hildrew

Notice bibliographique

RevueJournal of Animal Ecology · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Environment Research Council
Mots-clésFood webBiologyHabitatEcologyEcosystem

Résumé

récupéré en direct d'OpenAlex

Summary The properties of food webs are important both in theoretical ecology and environmental management, yet remain elusive. Here, we examined 12 new stream food webs of higher taxonomic resolution and completeness than any previously published data set and combined them with other 10 published stream webs. Compared with most previously published food webs, these stream communities (containing between 22 and 212 species) had more feeding links per species, a higher fraction of intermediate species (0·78–0·88) and lower fractions of top (0·04–0·09) and ‘basal’ species (0·07–0·15). The exponent of the log link‐log species relationship (S1·3) differed significantly (ancova: P < 0·001) from the link‐species ‘law’ (S1) and the constant connectance hypothesis (S2). Based on these results, the link scaling law and the constant connectance hypothesis must be rejected for food webs in stream systems. Connectance was markedly lower than previously reported and decreased with web size. We attribute this to the body‐size disparity of organisms at the top and the bottom of the web, flow disturbance and to the high physical heterogeneity and complexity of the sedimentary habitat. All these may reduce the fraction of possible feeding links that are realized.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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

Citations89
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal EcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207