A balanced view of scale in spatial statistical analysis
Notice bibliographique
Résumé
Concepts of spatial scale, such as extent, grain, resolution, range, footprint, support and cartographic ratio are not interchangeable. Because of the potential confusion among the definitions of these terms, we suggest that authors avoid the term “scale” and instead refer to specific concepts. In particular, we are careful to discriminate between observation scales, scales of ecological phenomena and scales used in spatial statistical analysis . When scales of observation or analysis change, that is, when the unit size, shape, spacing or extent are altered, statistical results are expected to change. The kinds of results that may change include estimates of the population mean and variance, the strength and character of spatial autocorrelation and spatial anisotropy, patch and gap sizes and multivariate relationships. The first three of these results (precision of the mean, variance and spatial autocorrelation) can sometimes be estimated using geostatistical support‐effect models. We present four case studies of organism abundance and cover illustrating some of these changes and how conclusions about ecological phenomena (process and structure) may be affected. We identify the influence of observational scale on statistical results as a subset of what geographers call the Modifiable Area Unit Problem (MAUP). The way to avoid the MAUP is by careful construction of sampling design and analysis. We recommend a set of considerations for sampling design to allow useful tests for specific scales of a phenomenon under study. We further recommend that ecological studies completely report all components of observation and analysis scales to increase the possibility of cross‐study comparisons.
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 | 0,120 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,029 |
| Communication savante | 0,014 | 0,023 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».