Importance of the study context in community assembly processes: a quantitative synthesis of forest bird communities
Notice bibliographique
Résumé
Abstract Species composition is constrained by two upper‐level processes in ecological contexts where the dispersion of organisms is not severely limited, namely selection and ecological drift. This intuitive framework has motivated a constant flow of empirical models for linking the species matrix to the local environmental descriptors, in which the environment rarely explains more than 30–40% of the variation in species composition. In most cases, researchers only approximate the environmental axes that drive fitness differences between species, as the list of measured descriptors reflect both logistical constraints and hypothesis‐driven questions. Moreover, contextual factors, such as the species pool size (SPS) and the spatial extent of the sampled area, could moderate species–environment associations through sampling effects and dispersal limitations. This study's objective was to quantify the influence of contextual factors (i.e., related to the circumstances in which the study was conducted) on the species–environment association strength on the basis of a synthesis of 156 models of forest bird communities. Our results reveal that factors related to the SPS and the number of independent environmental axes studied affect our capacity to detect selection, whereas spatial factors such as the study's spatial extent and latitude are less important determinants. The study context explains almost a third of the observed variation in the strength of the species–environment association. We conclude that strong species–environment associations can be found for properly designed studies of forest bird communities, which raises the question of whether ecologists have underestimated the importance of selection in community assembly processes.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».