MétaCan
Menu
Retour à la cohorte
Enregistrement W2108982898 · doi:10.1111/j.1600-0587.2008.05565.x

The small‐island effect: fact or artefact?

2008· article· en· W2108982898 sur OpenAlexaboutno aff
Kevin C. Burns, R. Paul McHardy, Shirley Pledger

Notice bibliographique

RevueEcography · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessArchipelagoSpurious relationshipNull modelInsular biogeographyEcologyRange (aeronautics)HabitatBody size and species richnessGeographySampling (signal processing)StatisticsBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Positive relationships between species richness and sampling area are perhaps the most pervasive patterns in nature. However, the shape of species–area relationships is often highly variable, for reasons that are poorly understood. One such source of variability is the “small‐island effect”, which refers to a decrease in the capacity of sampling area to predict species richness on small islands. Small‐island effects have been attributed to a variety of processes, including spatial subsidies, habitat characteristics and ocean‐born disturbances. Here, we show that small‐island effects can be generated by logarithmic data transformations, which are commonly applied to both axes of species–area relationships. To overcome this problem, we derive several null models to test for non‐random variability in the capacity of island area to predict species richness and apply them to data sets on island plant communities in Canada and New Zealand. Both archipelagos showed evidence for small‐island effects using traditional breakpoint regression techniques on log‐log axes. However, null model analyses revealed different results. The capacity of sampling area to predict species richness in the Canadian archipelago was actually lowest at intermediate island size classes. In the New Zealand archipelago, island area was similarly capable of predicting species richness across the full range of island sizes, indicating the small‐island effect detected by breakpoint regression is an artifact of logarithm data transformation. Overall results show that commonly used regression techniques can generate spurious small‐island effects and that alternative analytic procedures are needed to detect non‐random patterns in species richness on small islands.

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)0,089
score de la tête « metaresearch » (Gemma)0,323
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: aucune
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,472

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,323
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,007
Communication savante0,0020,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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

Citations69
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcographyMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207