A generic method to assess species exploratory potential under climate change
Notice bibliographique
Résumé
Climate, by altering the spatio-temporal distributions of suitable habitats, leads to modifications in a multitude of species ranges. In recent years, the ability of species to adjust to changing climatic conditions is of growing concern. In the present study, a generic trait-based method to assess species exploratory potential under climate change is proposed. “Exploratory potential” is here defined as the capacity of species to initiate the act of leaving their current habitats and to reach new ones outside of their range, at a rate fast enough to keep pace with climate change. The presented method is based on the calculation of the Exploratory Potential Index (EPI), a metric that combines several life-history traits into a single numeric value. Both coefficients and variables of this composite metric are flexible. They depend on the set of species under consideration through a two-step participatory expert-based procedure. A panel of experts on the species’ biology, ecology and conservation is first to be constituted. Then, experts are separately consulted to validate the variables to be integrated in the composite EPI index and are asked to rank the importance of these variables relative to each other following an Analytic Hierarchy Process. Coefficients in the EPI index and scores are given a credibility distribution using a Bayesian inference model. Anadromous species are chosen as a first application case. Scripts and raw survey data are made available to readers to ease applications to other species groups.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,228 | 0,016 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».