MétaCan
Menu
Retour à la cohorte
Enregistrement W2131839095 · doi:10.1086/343872

Why Alien Invaders Succeed: Support for the Escape‐from‐Enemy Hypothesis

2002· article· en· W2131839095 sur OpenAlexaboutno aff
Lorne M. Wolfe

Notice bibliographique

RevueThe American Naturalist · 2002
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyAlienEcologyRange (aeronautics)Generalist and specialist speciesIntroduced speciesPredationHerbivoreInvasive speciesPredatorHabitatPerennial plantPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Successful biological invaders often exhibit enhanced performance following introduction to a new region. The traditional explanation for this phenomenon is that natural enemies (e.g., competitors, pathogens, and predators) present in the native range are absent from the introduced range. The purpose of this study was to test the escape-from-enemy hypothesis using the perennial plant Silene latifolia as a model system. This European native was introduced to North America in the 1800s and subsequently spread to a large part of the continent. It is now considered a problematic weed of disturbed habitats and agricultural fields in the United States and Canada. Surveys of 86 populations in the United States and Europe revealed greater levels of attack by generalist enemies (aphids, snails, floral herbivores) in Europe compared with North America. Two specialists (seed predator, anther smut fungus) that had dramatic effects on plant fitness in Europe were either absent or in very low frequency in North America. Overall, plants were 17 times more likely to be damaged in Europe than in North America. Thus, S. latifolia's successful North American invasion can, at least in part, be explained by escape from specialist enemies and lower levels of damage following introduction.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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 seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,070
Tête enseignante GPT0,218
Écart entre enseignants0,148 · 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

Citations499
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetPlant and animal studiesTravaux en français237 207