MétaCan
Menu
Retour à la cohorte
Enregistrement W3096964957 · doi:10.22541/au.157523044.48655276

A Black Swan Event Drives Eco-Evolutionary Heterogeneity

2019· dataset· en· W3096964957 sur OpenAlexafffund
Denon Start

Notice bibliographique

RevueAuthorea · 2019
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of California, DavisUniversity of Toronto
Mots-clésEcologyBlack swan theoryEvolutionary ecologyBiologyNatural selectionEnvironmental changeClimate changeGeographySelection (genetic algorithm)

Résumé

récupéré en direct d'OpenAlex

Environmental variation is a constant. Difficult to predict but important ‘Black Swan’ events are increasing in frequency and magnitude, but we are only beginning to understand the ecological and evolutionary consequences of such events. Extreme events can increase or decrease eco-evolutionary heterogeneity depending on the spatial grain at which they occur. Here I present a 6-year study of 3000+ individual univoltine gall makers and their enemies from 15 populations. An extreme event in one generation homogenized a key environmental determinant of enemy attack rates and survival, but exposed gall makers to an alternative environmental driver of ecological interactions. Counterintuitively, rather than acting as an ecological or evolutionary filter, extreme events can create greater spatial variation in demography, species interactions, natural selection, and evolutionary change. I suggest that the eco-evolutionary consequences of Black Swan events can only be understood by considering the evolutionary outcome of what are often complex species interactions.

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)0,005
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,009

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 Opus0,056
Tête enseignante GPT0,257
Écart entre enseignants0,202 · 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
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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAuthoreaMême sujetPlant and animal studiesTravaux en français237 207