MétaCan
Menu
Retour à la cohorte
Enregistrement W3145942462 · doi:10.1101/2021.03.25.437077

Effects of stochasticity on the length and behaviour of ecological transients

2021· preprint· en· W3145942462 sur OpenAlexaff
Alan Hastings, Karen C. Abbott, Kim Cuddington, Tessa B. Francis, Ying‐Cheng Lai, Andrew Morozov, Sergei Petrovskii, Mary Lou Zeeman

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute for Mathematical and Biological SynthesisUniversity of Tennessee, KnoxvilleNational Science Foundation
Mots-clésStatistical physicsEcologyComputer scienceTransient (computer programming)Ecological systems theoryTheoretical ecologyRange (aeronautics)PhysicsBiologyPopulationEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract There is a growing recognition that ecological systems can spend extended periods of time far away from an asymptotic state, and that ecological understanding will therefore require a deeper appreciation for how long ecological transients arise. Recent work has defined classes of deterministic mechanisms that can lead to long transients. Given the ubiquity of stochasticity in ecological systems, a similar systematic treatment of transients that includes the influence of stochasticity is important. Stochasticity can of course promote the appearance of transient dynamics by preventing systems from settling permanently near their asymptotic state, but stochasticity also interacts with deterministic features to create qualitatively new dynamics. As such, stochasticity may shorten, extend, or fundamentally change a system’s transient dynamics. Here, we describe a general framework that is developing for understanding the range of possible outcomes when random processes impact the dynamics of ecological systems over realistic time scales. We emphasize that we can understand the ways in which stochasticity can either extend or reduce the lifetime of transients by studying the interactions between the stochastic and deterministic processes present, and we summarize both the current state of knowledge and avenues for future advances.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,740

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 Opus0,006
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetEcosystem dynamics and resilienceTravaux en français237 207