Testing the phylogenetic gambit: how much functional diversity can we reliably conserve if we prioritize phylogenetic diversity?
Notice bibliographique
Résumé
Abstract In the face of the biodiversity crisis, it is argued that we should prioritize species in order to capture high functional diversity (FD). Because species traits often reflect shared evolutionary history, many researchers have advocated for a “phylogenetic gambit”: maximizing phylogenetic diversity (PD) should indirectly capture FD. For the first time, we empirically test this gambit using data from >15,000 vertebrate species and ecologically-relevant traits. Maximizing PD results in an average gain of 18% of FD relative to random choice. However, this average gain hides the fact that in over 1/3 of the comparisons, maximum PD sets contain less FD than randomly chosen sets of species. These results suggest that, while maximizing PD protection can help to protect FD, it represents a risky strategy. Statement of authorship FM, MP, MC, SD, GVDR, RG, AOM, CT and WP conceived the design of the study. FM and GVDR conducted the analysis. FM, RG, MP and WP interpreted the results and wrote the first draft of the manuscript. All authors edited the final version. Data accessibility statement Most of the data is publicly available (see methods). The Fish data is available upon request. Code accessibility statement R functions developed in this paper are available at https://github.com/FloMazel/FD_PD_Max
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,165 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».