MétaCan
Menu
Retour à la cohorte
Enregistrement W2901854762 · doi:10.1111/1365-2435.13244

A critique for eco‐evolutionary dynamics

2018· article· en· W2901854762 sur OpenAlexaff
Andrew P. Hendry

Notice bibliographique

RevueFunctional Ecology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEvolutionary dynamicsBiologyEcologyNatural selectionPopulationNiche constructionEvolutionary ecologySelection (genetic algorithm)Relevance (law)SociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract A growing body of empirical work supports and informs the role of genetic variation and contemporary evolution in shaping ecological dynamics at the population, community and ecosystem levels. Although much progress has been made, I contend that reliance on several common empirical and inferential approaches is limiting forward progress in key areas, which leads me to several suggestions. More studies should focus on revealing eco‐evolutionary dynamics as they play out in the “real world,” as opposed to laboratories and mesocosms. At the community and ecosystem levels, increasing effort should be directed towards the importance of evolution acting through population density, as opposed to only direct per‐capita effects. More work should be directed towards the effects of whole‐community evolution, as opposed to the evolution of only particular focal species. New and innovative approaches are needed for studying how natural selection resists evolutionary and ecological change, thus generating cryptic eco‐evolutionary dynamics. Although simultaneous improvement on all of these fronts is perhaps impossible for any single research programme, even advances in one or more areas could dramatically improve our understanding of the prevalence, power and relevance of eco‐evolutionary dynamics. A plain language summary is available for this article.

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)0,026
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,067
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,037
Communication savante0,0060,018
Science ouverte0,0080,006
Intégrité de la recherche0,0100,017
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,033
Tête enseignante GPT0,218
Écart entre enseignants0,185 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations103
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFunctional EcologyMême sujetPlant and animal studiesTravaux en français237 207