MétaCan
Menu
Retour à la cohorte
Enregistrement W3082183294 · doi:10.1086/710388

Niche Breadth: Causes and Consequences for Ecology, Evolution, and Conservation

2020· review· en· W3082183294 sur OpenAlexaff
Kelly A. Carscadden, Nancy C. Emery, Carlos Alberto Arnillas, Marc W. Cadotte, Michelle E. Afkhami, Dominique Gravel, Stuart W. Livingstone, John J. Wiens

Notice bibliographique

RevueThe Quarterly Review of Biology · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversité de SherbrookeThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNicheEcologyEcological nicheNiche segregationEnvironmental niche modellingBiologyNiche constructionEvolutionary ecologyDiversification (marketing strategy)Habitat

Résumé

récupéré en direct d'OpenAlex

Niche breadth is a unifying concept spanning diverse aspects of ecology, evolution, and conservation biology. Niche breadth usually refers to the diversity of resources used or environments tolerated by an individual, population, species, or clade. Here we review key research in ecology, evolution, and conservation biology in light of niche breadth. Namely, we explore the role of niche breadth in shaping geographic distributions and species richness from local to landscape scales, how niche breadth evolves and influences lineage diversification, and its use for understanding species invasions, responses to climate change, vulnerability to extinction, and ecosystem functioning. This diverse literature informs a research agenda that identifies focused needs for further progress: testing the hierarchical nature of niche breadth (e.g., of individuals, populations, and species); quantifying correlations in niche breadth among different niche axes and the role of environmental drivers and organismal constraints in generating these correlations; and evaluating the factors that decouple fundamental and realized niches. We describe how this research agenda could help unify disparate subdisciplines and shed light on key questions in ecology, evolution, and conservation.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,063
Tête enseignante GPT0,335
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations339
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Quarterly Review of BiologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207