MétaCan
Menu
Retour à la cohorte
Enregistrement W2746877260 · doi:10.1111/2041-210x.12869

Diet tracing in ecology: Method comparison and selection

2017· article· en· W2746877260 sur OpenAlexaff
Jens M. Nielsen, Elizabeth L. Clare, Brian Hayden, Michael T. Brett, Pavel Kratina

Notice bibliographique

RevueMethods in Ecology and Evolution · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésTrophic levelSelection (genetic algorithm)EcologyTracingBiologyResource (disambiguation)Computer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract Determining diet is a key prerequisite for understanding species interactions, food web structure and ecological dynamics. In recent years, there has been considerable development in both the methodology and application of novel and more traditional dietary tracing methods, yet there is no comprehensive synthesis that systematically and quantitatively compares the different approaches. Here we conceptualise diet tracing in ecology, provide recommendations for method selection, and illustrate the advantages of method integration. We summarise empirical evidence on how different methods quantify diet mixtures, by contrasting estimates of dietary proportions from multiple methods applied to the same consumer‐resource datasets, or from experimental studies with known diet compositions. Our data synthesis revealed an urgent need for more experiential comparisons among the dietary methods. The comparison of diet quantifications from field observations showed that different techniques aligned well in cases with less than six diet items, but diverged considerably when applied to more complex diet mixtures. Efforts are ongoing to further advance dietary estimation, including how reliably compound specific stable isotope analyses and fatty acid profiles can quantify more prey items than bulk stable isotope analyses. Similarly, DNA analyses, which can depict trophic interactions at a higher resolution than any other method, are generating new ways to better quantify diets and differentiate among life‐stages of prey. Such efforts, combined with more empirical testing of each dietary method and establishment of open data repositories for dietary data, promise to greatly advance community and ecosystem 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 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)0,519
score de la tête « metaresearch » (Gemma)0,635
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,519
Score d'incertitude au seuil0,593

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5190,635
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0100,007
Études des sciences et des technologies0,0020,005
Communication savante0,0080,006
Science ouverte0,0060,009
Intégrité de la recherche0,0030,004
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 Opus0,025
Tête enseignante GPT0,384
Écart entre enseignants0,359 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations550
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in Ecology and EvolutionMême sujetIsotope Analysis in EcologyTravaux en français237 207