MétaCan
Menu
Retour à la cohorte
Enregistrement W2171321440 · doi:10.1111/ele.12071

Game theory and plant ecology

2013· review· en· W2171321440 sur OpenAlexfundno aff
Gordon G. McNickle, Ray Dybzinski

Notice bibliographique

RevueEcology Letters · 2013
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEcologyGame theoryCompetitor analysisCompetition (biology)BiologyPerspective (graphical)Evolutionary ecologyEvolutionarily stable strategyEvolutionary game theoryMutualism (biology)EconomicsMicroeconomicsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The fixed and plastic traits possessed by a plant, which may be collectively thought of as its strategy, are commonly modelled as density-independent adaptations to its environment. However, plant strategies may also represent density- or frequency-dependent adaptations to the strategies used by neighbours. Game theory provides the tools to characterise such density- and frequency-dependent interactions. Here, we review the contributions of game theory to plant ecology. After briefly reviewing game theory from the perspective of plant ecology, we divide our review into three sections. First, game theoretical models of allocation to shoots and roots often predict investment in those organs beyond what would be optimal in the absence of competition. Second, game theoretical models of enemy defence suggest that an individual's investment in defence is not only a means of reducing its own tissue damage but also a means of deflecting enemies onto competitors. Finally, game theoretical models of trade with mutualistic partners suggest that the optimal trade may reflect competition for access to mutualistic partners among plants. In short, our review provides an accessible entrance to game theory that will help plant ecologists enrich their research with its worldview and existing predictions.

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)0,002
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: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,054
Tête enseignante GPT0,233
Écart entre enseignants0,179 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations134
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetPlant and animal studiesTravaux en français237 207