Nearest-neighbor contingency table analysis of spatial segregation for several species
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
AbstractSpatial segregation of species occurs when a species is more likely to be located in the vicinity of conspecifics. This can be investigated by mapping and identifying all locations in a study area, then analyzing the nearest-neighbor contingency table, where each location is classified by its species and the species of its nearest neighbor. Nearest-neighbor contingency tables for two species can be analyzed using the methods in Dixon (1994). Here, I present methods to analyze contingency tables for any number of species. Calculation and interpretation of the multispecies contingency table are illustrated by two examples: spatial segregation of species in a swamp forest, with five types of points (Fraxinus caroliniana, Nyssa sylvatica, Nyssa aquatica, Taxodium disticum, and “other species”), and spatial segregation in the gamodioecious tree Nyssa aquatica, with three types of points (male, female, and juvenile). Two issues that affect the results and their interpretation are the choice of randomization (random labelling or toroidal rotation) and the choice of test (pairwise or multispecies).Résumé:La ségrégation spatiale des espèces se produit lorsqu’une espèce est plus susceptible de se trouver à proximité de conspécifiques. Ce phénomène peut être étudié en cartographiant et en identifiant tous les individus dans l’aire d’étude, puis en analysant les données grâce à un tableau de contingence du plus proche voisin, où chaque individu localisé est classé selon l’espèce à laquelle il appartient et selon l’espèce voisine la plus proche. Les tableaux de contingence du plus proche voisin établis pour deux espèces peuvent être analysés en suivant les méthodes décrites par Dixon (1994). Dans ce travail, on décrit des méthodes permettant d’analyser des tableaux de contingence quel que soit le nombre d’espèces. Le calcul et l’interprétation du tableau de contingence à espèces multiples sont illustrés par deux exemples. Dans un cas, il s’agit de la ségrégation spatiale d’espèces de marécages où cinq espèces ou groupe d’espèces sont analysés (Fraxinus caroliniana, Nyssa sylvatica, Nyssa aquatica, Taxodium disticum et un groupe formé d’autres espèces). Dans l’autre exemple, la ségrégation spatiale de l’arbre gamodioïque Nyssa aquatica pour trois caractères (individus mâles, femelles ou immatures) a été étudiée. Les résultats et leur interprétation peuvent varier selon le type de permutation utilisé et le test employé (analysant deux espèces à la fois ou plusieurs espèces de façon simultanée).Key Words: Spatial patternPoint processDioecious plantToroidal rotationRandom labellingMots-clés:: Répartition spatialeProcessus de pointsPlante dioïqueRotation toroïdaleDésignation au hasard des attributs
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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