MétaCan
Menu
Retour à la cohorte
Enregistrement W2922381439 · doi:10.1002/9781119312994.apr0643

Trait Evolution in Invasive Species

2018· other· en· W2922381439 sur OpenAlexaff
Kathryn A. Hodgins, Dan G. Bock, Loren H. Rieseberg

Notice bibliographique

RevueAnnual Plant Reviews online · 2018
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyInvasive speciesAbiotic componentTraitPhenotypic plasticityAdaptation (eye)EcologyAdaptive evolutionEvolutionary biologyDivergence (linguistics)Adaptive valueRealisation

Résumé

récupéré en direct d'OpenAlex

Abstract One of the most exciting recent developments in the field of invasion biology has been the growing realisation that evolution can determine invasive species' success. Here, we review research on contemporary evolution in invasive populations, with a focus on traits that have the potential to contribute to invasive spread. Evidence available so far indicates adaptive divergence in quantitative traits predominates, although the contribution of non‐adaptive processes should not be easily discounted. Further, contemporary evolution of invasive populations appears to be more frequently spurred by abiotic factors, rather than escape from natural enemies. Important progress remains to be made on the role of hybridisation in invasion success, or the conditions under which rapid evolution of phenotypic plasticity at key traits leads to invasions. Also, we do not yet have a firm grasp on how often expansion load limits invasive spread. While convincing examples of adaptation along geographic or climatic gradients are available, we highlight conditions under which such clines would arise irrespective of biotic or abiotic conditions. We propose potentially important future lines of investigation that can illuminate the mechanistic basis of invasion success while maximising the value of invasive species for understanding evolutionary processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,268
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations88
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Plant Reviews onlineMême sujetEvolution and Genetic DynamicsTravaux en français237 207