Multiple drivers of contrasting diversity–invasibility relationships at fine spatial grains
Notice bibliographique
Résumé
The diversity-invasibility hypothesis and ecological theory predict that high-diversity communities should be less easily invaded than species-poor communities, but empirical evidence does not consistently support this prediction. While fine-scale experiments tend to yield the predicted negative association between diversity and invasibility, broad-scale observational surveys generally report a positive correlation. This conflicting pattern between experiments and observational studies is referred to as the invasion paradox and is thought to arise because different processes control species composition at different spatial scales. Here, we test empirically the extent to which the strength and direction of published diversity-invasibility relationships depend on spatial scale and on the metrics used to measure invasibility. Using a meta-analytic framework, we explicitly separate the two components of spatial scale: grain and extent, by focusing on fine-grain studies that vary in extent. We find evidence of multiple drivers of the paradox. When we consider only fine-grain studies, we still observe conflicting patterns between experiments and observational studies. In contrast, when we examine studies that are conducted at both a fine grain and fine extent, there is broad overlap in effect sizes between experiments and observation, suggesting that comparing studies with similar extents resolves the paradox at local scales. However, we uncover systematic differences in the metrics used to measure invasibility between experiments, which use predominantly invader performance, and observational studies, which use mainly invader richness. When we consider studies with the same metric (i.e., invader performance), the contrasting associations between study types also disappear. It is not possible, at present, to fully disentangle the effect of spatial extent and metric on the paradox because both variables are systematically associated in different directions with study type. There is therefore an urgent need to conduct experiments and observational studies that incorporate the full range of variability in spatial extent and invasibility metric.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».