MétaCan
Menu
Retour à la cohorte
Enregistrement W3135520168 · doi:10.3897/neobiota.62.50661

The application of selected invasion frameworks to urban ecosystems

2020· article· en· W3135520168 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNeoBiota · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesConnaught Fund
Mots-clésUrbanizationUnderpinningUrban ecosystemInvasive speciesEcosystemEcologyGeographyProcess (computing)Environmental planningEnvironmental resource managementBiologyEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Urbanization is a major driver of global change. Profound human-mediated changes to urban environments have provided increased opportunities for species to invade. The desire to understand and manage biological invasions has led to an upsurge in frameworks describing the mechanisms underpinning the invasion process and the ecological and socio-economic impacts of invading taxa. This paper assesses the applicability of three commonly used invasion frameworks to urban ecosystems. The first framework describes the mechanisms leading to invasion; the second and third frameworks assess individual species, and their associated environmental and socio-economic impacts, respectively. In urban areas, the relative effectiveness of the barriers to invasion is diminished (to varying degrees) allowing a greater proportion of species to move through each subsequent invasion stage, i.e. “the urban effect” on invasion. Impact classification schemes inadequately circumscribe the full suite of impacts (negative and positive) associated with invasions in urban areas. We suggest ways of modifying these frameworks to improve their applicability to understanding and managing urban invasions.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,208 · 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