Metamodels for Transdisciplinary Analysis of Wildlife Population Dynamics
Notice bibliographique
Résumé
Wildlife population models have been criticized for their narrow disciplinary perspective when analyzing complexity in coupled biological - physical - human systems. We describe a "metamodel" approach to species risk assessment when diverse threats act at different spatiotemporal scales, interact in non-linear ways, and are addressed by distinct disciplines. A metamodel links discrete, individual models that depict components of a complex system, governing the flow of information among models and the sequence of simulated events. Each model simulates processes specific to its disciplinary realm while being informed of changes in other metamodel components by accessing common descriptors of the system, populations, and individuals. Interactions among models are revealed as emergent properties of the system. We introduce a new metamodel platform, both to further explain key elements of the metamodel approach and as an example that we hope will facilitate the development of other platforms for implementing metamodels in population biology, species risk assessments, and conservation planning. We present two examples - one exploring the interactions of dispersal in metapopulations and the spread of infectious disease, the other examining predator-prey dynamics - to illustrate how metamodels can reveal complex processes and unexpected patterns when population dynamics are linked to additional extrinsic factors. Metamodels provide a flexible, extensible method for expanding population viability analyses beyond models of isolated population demographics into more complete representations of the external and intrinsic threats that must be understood and managed for species conservation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,000 |
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.
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 tête enseignante, 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 ».