Box–Cox‐chord transformations for community composition data prior to beta diversity analysis
Notice bibliographique
Résumé
In studies of spatial or temporal beta diversity, community composition data, often containing many zeros, must be transformed in some way before they are analysed by multivariate methods of data analysis. Data are transformed to reduce the skewness of species distributions and make dissimilarities double‐zero asymmetrical. Criteria have recently been proposed to determine which dissimilarity functions (or the corresponding data transformations) can be used for beta diversity assessment. The chord transformation is often used as the preliminary transformation for frequency data. When the Euclidean distance is computed on chord‐transformed data, a chord dissimilarity matrix D is produced, which obeys the proposed criteria. The Hellinger transformation, i.e. the chord transformation applied to square‐root transformed frequencies, is also often used with community composition data prior to multivariate analyses; it leads to the Hellinger dissimilarity, which is another widely used D function in beta diversity studies. Among the data transformations often used in simple or multivariate data analysis, the Box–Cox method provides a useful series of transformations to make data distributions more symmetrical, where exponent 1 is the absence of a transformation, exponent 0.5 is the square‐root, exponent 0.25 is the fourth‐root, and the log transformation is the limit of the Box–Cox function corresponding to exponent 0. Combining the two previous ideas, this paper proposes to combine any transformation of the Box–Cox family with exponent in the [0,1] range with the chord transformation. In particular, one can compute the log e ( y + 1) transformation of a community composition (or other frequency) data table and follow with a chord transformation. A D matrix can be computed from the doubly‐transformed data. The transformations and D functions in that family inherit the properties of the chord dissimilarity, and this ensures that they all follow the necessary criteria for beta diversity assessment that have recently been proposed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».