MétaCan
Menu
Retour à la cohorte
Enregistrement W2964418888 · doi:10.5061/dryad.2bm34c2

Data from: Specialist foragers in forest bee communities are small, social or emerge early

2019· article· en· W2964418888 sur OpenAlexaff
Colleen Smith, Lucia R. Weinman, Jason Gibbs, Rachael Winfree

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

1. Individual pollinators that specialize on one plant species within a foraging bout transfer more conspecific and less heterospecific pollen, positively affecting plant reproduction. However, we know much less about pollinator specialization at the scale of a foraging bout compared to specialization at the species level. 2. In this study, we measured the diversity of pollen carried by individual bees foraging in forest plant communities in the mid-Atlantic United States. 3. We found that individuals frequently carried low-diversity pollen loads, suggesting that specialization at the scale of the foraging bout is common. Individuals of solitary bee species carried higher diversity pollen loads than did individuals of social bee species; the latter have been better studied with respect to foraging specialization, but account for a small minority of the world’s bee species. Bee body size was positively correlated with pollen load diversity and individuals of generalist (but not specialist) species carried increasingly diverse pollen loads as the season progressed, likely reflecting an increase in the diversity of flowers in bloom. Furthermore, the seasonal increase in pollen load diversity was stronger for bees visiting trees and shrubs than for bees visiting herbaceous plants. 4. Overall, our results showed that both species’ traits and community-level patterns of flowering phenology are likely to be important determinants of individual-level interactions in plant-pollinator communities.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,129
Tête enseignante GPT0,251
Écart entre enseignants0,122 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetPlant and animal studiesTravaux en français237 207