Using the Literature to Test Pollination Syndromes — Some Methodological Cautions
Notice bibliographique
Résumé
“Pollination syndromes” are specific combinations of floral traits that are proposed to evolve convergently across angiosperm lineages in response to different types of animal pollinators. In spite of their long history, pollination syndromes have not been tested adequately–they rarely have been examined critically to determine how well they describe floral trait diversity or predict pollinators. In a recent meta-analysis of data from the literature, Rosas-Guerrero et al. (2014) provide a welcome test that draws on insights from past studies. At the same time, their study illustrates several difficulties of meta-analysis approaches in general, and for pollination biology in particular. Here we discuss those difficulties and propose some solutions. We first consider how to gather studies from the literature without introducing unintended bias, such as the old-fashioned method of working backward from cited literature. We next consider how to deal with difficulties that invariably arise when extracting and analyzing often-incomplete information from heterogeneous studies. Finally we discuss issues of interpreting and presenting the results in the most informative manner. We conclude that although Rosas-Guerrero et al. (2014) and other studies such as Ollerton et al. (2009) have arrived at different conclusions about the utility of pollination syndromes, their results are not necessarily incompatible.
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 | 0,586 | 0,796 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,009 |
| Bibliométrie | 0,025 | 0,021 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,015 | 0,020 |
| Science ouverte | 0,016 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».