A simulation tool to scrutinise the behaviour of functional diversity metrics
Notice bibliographique
Résumé
Abstract Many indices have been proposed to measure functional diversity and its four distinct dimensions: functional richness, evenness, divergence and redundancy. Identifying indices that reliably measure the functional diversity dimension(s) of interest requires careful testing of how each index responds to species' traits and abundance distributions. In the absence of a convenient simulation tool, tests with artificial data have to date explored only a limited number of scenarios or have altered trait and abundance distributions only indirectly based on principles of evolution and community assembly. We provide simul.comms , an R function that allows users to test the efficacy of functional diversity indices by easily creating artificial species communities with user‐specified abundance and trait distributions for continuous, ordinal and categorical traits. To illustrate the function's utility, we examine the performance of R , a recently published abundance‐sensitive index for functional redundancy. We use two approaches to designing simulation tests for this example analysis. The first uses simul.comms to create six separate sets of artificial communities to qualitatively assess how R responds to predictable changes in functional redundancy. The second uses simul.comms to independently alter seven community composition parameters, whose influence on R is then examined quantitatively via effect sizes in linear regression. Our analyses indicate that R broadly mirrors expected changes in functional redundancy and predictably responds to changes in community composition parameters. R appears, however, to primarily reflect trait distributions, responding minimally to variance in abundance and counter‐intuitively to abundance range. Further refinement of tools to measure functional redundancy may therefore be desirable. The R tool we provide should assist with refining functional diversity measures, a critical step towards improving our ability to understand and mitigate the impacts of biodiversity loss on ecosystem functioning. Because simul.comms simply produces two linked matrices, a species‐by‐traits matrix and a site‐by‐species abundance matrix, it may be equally valuable in exploring questions and analytical approaches in other areas of community ecology.
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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».