Some guidance on using mathematical notation in ecology
Notice bibliographique
Résumé
Abstract Mathematical modelling is playing an increasing role in studies of ecological systems. This requires the communication of the details of a mathematical model, including the use of mathematical notation to represent ecological variables, parameters and processes. In our experience, the clarity of mathematical notation varies between papers and can often be inconsistent with general conventions. Poor notation can impede communication and understanding of ideas, and make models appear more complicated than necessary. Here, we present some guidelines, including: (a) define every term in an equation, (b) use fonts appropriately (italicise mathematical symbols, use bold lower case for vectors and bold upper case for matrices), (c) use subscripts appropriately (to index quantities, for example, by year), (d) use superscripts appropriately (to indicate a power, the transpose of a matrix or the steady‐state value of a quantity), (e) avoid multiletter variable names, and (f) revisit notation early on in a project to see if it should be refined. Although we focus mainly on ecology, our guidelines should be of interest to researchers applying models in evolutionary biology and broader areas of biology.
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 | 0,047 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,014 |
| Communication savante | 0,009 | 0,028 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,040 |
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 ».