Precision and accuracy in quantifying herbivory
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
1. Tissue removal by herbivores (i.e. herbivory) is a dominant interaction in most communities which has important impacts on natural and managed ecosystems. Despite the importance of herbivory, we lack a quantitative comparison of the efficacy of the most commonly used methods used to quantify herbivore damage. 2. We examined the factors that affect the precision and accuracy of visual and digital methods commonly used to quantify damage to leaves. 3. We created 224 digital leaves from four plant species. In a fully factorial design we manipulated leaf morphology and species, the location of damage (marginal or internal), estimation method (exact percentage or 25% bins), observer experience and expectancy bias (i.e., bias due to an expected result). Using 583 adult observers, we estimated the precision and accuracy of individuals' ability to visually estimate known levels of damage. In a third smaller experiment, we performed similar analyses using a digital scanner. 4. Across the first two experiments, individuals estimated damage with high precision ( R 2 = 0.75 and 0.80) and accuracy (slope actual vs estimated = 0.88 and 0.86). However, the precision and accuracy of estimates were influenced by plant species, the location of damage, and estimation method. Inexperienced individuals also overestimated low levels of damage, and this bias decreased with experience. Digital methods were precise ( R 2 = 0.98) whereas accuracy was statistically indistinguishable from visual methods (slope = 0.91). 5. Visual estimates of damage provide the fastest and most cost‐effective method for quantifying herbivory, and our results show they can be precise and accurate. We use our results to provide specific recommendations for future research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle