On Theory in Ecology: Another Perspective
Notice bibliographique
Résumé
We agree with Marquet and colleagues (2014) that the balance between theory and data is an important one. However, their description of what constitutes good theory in ecology ignores the most important characteristic of successful theory—that it accurately and precisely describes the way the world works. Scheiner (2013) argued that progress in ecology has been hindered by the fact that ecological research is rarely grounded in theory. Marquet and colleagues’ call for increased emphasis on theory is an important one, but we disagree with their description of good theory. Marquet and colleagues identify efficiency as a key criterion for assessing theory and define efficient theories as (a) being built from first principles, (b) incorporating mathematics, (c) having few “free parameters,” (d) having few assumptions, (e) making many predictions, and (f) being parsimonious. We suggest that any assessment of theory that does not use the ability of the theory to predict independent observations as its foundation is fundamentally flawed. The most important criterion by which to judge a theory is how well its predictions match observations.
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 | 0,026 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,060 |
| Communication savante | 0,011 | 0,029 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,010 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».