MétaCan
Menu
Retour à la cohorte
Enregistrement W2132384955 · doi:10.1111/j.2006.0030-1299.15068.x

A simple null model predicts fruit‐frugivore interactions in a temperate rainforest

2006· article· en· W2132384955 sur OpenAlexaboutno aff
Kevin C. Burns

Notice bibliographique

RevueOikos · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFrugivoreBiologyAbundance (ecology)RainforestNull modelEcologySeed dispersalForagingInterspecific competitionBiological dispersalHabitat

Résumé

récupéré en direct d'OpenAlex

Studies of seed dispersal mutualisms typically test for adaptive relationships between fruits and frugivores. Here, I take the opposite approach, and ask what relationships would be expected based on chance encounters between mutualists. I derived a simple null model to predict pair‐wise relationships between fruit and frugivore species. I assumed that all frugivores had identical fruit preferences, but allowed for interspecific variation in plant abundances, frugivore abundances and fruit phenologies. Under these conditions, the number of visits each frugivore species makes to each plant species results from the product of plant abundances and frugivore abundances when each plant species produces fruit. I then tested null model predictions with observations in a temperate rainforest in British Columbia, Canada. I measured the abundance and phenology of seven bird‐dispersed plant species, seasonal changes in the abundances of six avian frugivore species and 212 interactions between them. Empirical results were generally consistent with predictions, suggesting that relationships between birds and fruits are structured randomly. However, some variation in relationships between observations and predictions was observed, suggesting deterministic processes may also be important. Overall results illustrate that predictable relationships between fruit and frugivore species can result from random encounters between mutualists.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,320
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,232
Écart entre enseignants0,191 · 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 tête enseignante, 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

Citations50
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetPlant and animal studiesTravaux en français237 207