The effect of phylogenetic uncertainty and imputation on <scp>EDGE</scp> Scores
Notice bibliographique
Résumé
Abstract Faced with the challenge of saving as much diversity as possible given financial and time constraints, conservation biologists are increasingly prioritizing species on the basis of their overall contribution to evolutionary diversity. Metrics such as EDGE (Evolutionary Distinct and Globally Endangered) have been used to set such evolutionarily based conservation priorities for a number of taxa, such as mammals, birds, corals, amphibians, and sharks. Each application of EDGE has required some form of correction to account for species whose positions within the tree of life are unknown. Perhaps the most advanced of these corrections is phylogenetic imputation, but to date there has been no systematic assessment of both the sensitivity of EDGE scores to a phylogeny missing species, and the impact of using imputation to correct for species missing from the tree. Here, we perform such an assessment, by simulating phylogenies, removing some species to make the phylogeny incomplete, imputing the position of those species, and measuring (1) how robust ED scores are for the species that are not removed and (2) how accurate the ED scores are for those removed and then imputed. We find that the EDGE ranking for species on a tree is remarkably robust to missing species from that tree, but that phylogenetic imputation for missing species, while unbiased, does not accurately reconstruct species’ evolutionary distinctiveness. On the basis of these results, we provide clear guidance for EDGE scoring in the face of phylogenetic uncertainty.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».