MétaCan
Menu
Retour à la cohorte
Enregistrement W2883546708 · doi:10.7717/peerj.6027

Saproxylic Diptera assemblages in a temperate deciduous forest: implications for community assembly

2018· article· en· W2883546708 sur OpenAlexaffabout
Julia J. Mlynarek, Amélie Grégoire Taillefer, Terry A. Wheeler

Notice bibliographique

RevuePeerJ · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensGDG EnvironnementMcGill UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésEcologyBeechTemperate deciduous forestBiologyDeciduousNearctic ecozoneSnagAbundance (ecology)Temperate rainforestTemperate forestCoarse woody debrisSpecies diversitySpecies richnessTemperate climateHabitatEcosystemGenus

Résumé

récupéré en direct d'OpenAlex

Saproxylic insects, those associated directly or indirectly with decaying wood for all or part of their life cycle, compose a large proportion of forest organisms. Flies (Diptera) are often the most abundant and species-rich group of insects in forest microhabitats, yet most work to date on saproxylic insect diversity and ecology has focused on beetles (Coleoptera). We compared saproxylic Diptera assemblages reared from two tree species (sugar maple and American beech) at two stages of decay (early/young and advanced/old) for a total of 20 logs in an eastern Canadian Nearctic old-growth forest. We found that communities are distinct within both species type and decay stage of wood. Early decay stage wood is more variable in community composition than later decay stage; however, as the age of the decaying wood increases, the abundance of Diptera increases significantly. Most indicator species are discernible in later decay stage and wood type. We venture to suggest that stochastic and deterministic processes may play a role in driving Diptera communities in temperate deciduous forests. To retain the highest saproxylic Diptera diversity in a forest, a variety of decaying wood types at different stages of decomposition is necessary.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,421
Score d'incertitude au seuil0,836

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,275
Écart entre enseignants0,223 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207