MétaCan
Menu
Retour à la cohorte
Enregistrement W2128218279 · doi:10.1093/icb/44.2.140

Keeping Pace with Fast Climate Change: Can Arctic Life Count on Evolution?

2004· article· en· W2128218279 sur OpenAlexafffundabout
Dominique Berteaux

Notice bibliographique

RevueIntegrative and Comparative Biology · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésClimate changeArcticNatural selectionEcologyPhenologyRange (aeronautics)Environmental changeGlobal warmingNatural (archaeology)Selection (genetic algorithm)GeographyBiology

Résumé

récupéré en direct d'OpenAlex

Adaptations to the cold and to short growing seasons characterize arctic life, but climate in the Arctic is warming at an unprecedented rate. Will plant and animal populations of the Arctic be able to cope with these drastic changes in environmental conditions? Here we explore the potential contribution of evolution by natural selection to the current response of populations to climate change. We focus on the spring phenology of populations because it is highly responsive to climate change and easy to document across a wide range of species. We show that evolution can be fast and can occur at the time scale of a few decades. We present an example of reproductive phenological change associated with climate change (North American red squirrels in the Yukon), where a detailed analysis of quantitative genetic parameters demonstrates contemporary evolution. We answer a series of frequently asked questions that should help biologists less familiar with evolutionary theory and quantitative genetic methods to think about the role of evolution in current responses of ecological systems to climate change. Our conclusion is that evolution by natural selection is a pertinent force to consider even at the time scale of contemporary climate changes. However, all species may not be equal in their capacity to benefit from contemporary evolution.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,060
Tête enseignante GPT0,295
Écart entre enseignants0,235 · 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'étudeThéorique ou conceptuel
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

Citations303
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIntegrative and Comparative BiologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207