MétaCan
Menu
Retour à la cohorte
Enregistrement W3135905178 · doi:10.3389/fevo.2021.588940

Toward a Generalizable Framework of Disturbance Ecology Through Crowdsourced Science

2021· article· en· W3135905178 sur OpenAlexaff
Emily Graham, Colin Averill, Ben Bond‐Lamberty, Joseph E. Knelman, Stefan Krause, Ariane L. Peralta, Ashley Shade, A. Peyton Smith, Susan J. Cheng, Nicolas Fanin, Cathryn A. Freund, Patricia E. Garcı́a, Sean M. Gibbons, Marc W. Van Goethem, Marouen Ben Guebila, Julia Kemppinen, Robert J. Nowicki, Juli G. Pausas, Samuel P. Reed, Jennifer D. Rocca, Aditi Sengupta, Debjani Sihi, Marie Simonin, Michał Słowiński, S. Spawn, Ira J. Sutherland, Jonathan D. Tonkin, Nathan I. Wisnoski, Samuel C. Zipper

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesPacific Northwest National LaboratoryOak Ridge National LaboratoryBiological and Environmental ResearchGillings School of Public HealthDirectorate for Biological SciencesUniversiteit AntwerpenUniversity of North Carolina at Chapel HillU.S. Department of EnergyUniversiteit UtrechtLawrence Berkeley National LaboratoryFlorida International UniversityColorado CollegeUniversity of OxfordVirginia Commonwealth UniversityHelsingin YliopistoAlaska Pacific UniversityBattelleConsejo Nacional de Investigaciones Científicas y TécnicasNanyang Technological University
Mots-clésDisturbance (geology)TerminologyEcologyBaseline (sea)DisciplineScale (ratio)Environmental resource managementClimate changeEcosystemData scienceComputer scienceGeographySociologyEnvironmental sciencePolitical scienceBiologySocial science

Résumé

récupéré en direct d'OpenAlex

Disturbances fundamentally alter ecosystem functions, yet predicting their impacts remains a key scientific challenge. While the study of disturbances is ubiquitous across many ecological disciplines, there is no agreed-upon, cross-disciplinary foundation for discussing or quantifying the complexity of disturbances, and no consistent terminology or methodologies exist. This inconsistency presents an increasingly urgent challenge due to accelerating global change and the threat of interacting disturbances that can destabilize ecosystem responses. By harvesting the expertise of an interdisciplinary cohort of contributors spanning 42 institutions across 15 countries, we identified an essential limitation in disturbance ecology: the word ‘disturbance’ is used interchangeably to refer to both the events that cause, and the consequences of, ecological change, despite fundamental distinctions between the two meanings. In response, we developed a generalizable framework of ecosystem disturbances, providing a well-defined lexicon for understanding disturbances across perspectives and scales. The framework results from ideas that resonate across multiple scientific disciplines and provides a baseline standard to compare disturbances across fields. This framework can be supplemented by discipline-specific variables to provide maximum benefit to both inter- and intra-disciplinary research. To support future syntheses and meta-analyses of disturbance research, we also encourage researchers to be explicit in how they define disturbance drivers and impacts, and we recommend minimum reporting standards that are applicable regardless of scale. Finally, we discuss the primary factors we considered when developing a baseline framework and propose four future directions to advance our interdisciplinary understanding of disturbances and their social-ecological impacts: integrating across ecological scales, understanding disturbance interactions, establishing baselines and trajectories, and developing process-based models and ecological forecasting initiatives. Our experience through this process motivates us to encourage the wider scientific community to continue to explore new approaches for leveraging Open Science principles in generating creative and multidisciplinary ideas.

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)0,054
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,074
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0140,011
Études des sciences et des technologies0,0060,020
Communication savante0,0190,017
Science ouverte0,0070,017
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,221 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations59
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207