MétaCan
Menu
Retour à la cohorte
Enregistrement W3175867078 · doi:10.1016/j.tree.2021.05.009

Linking ecomechanical models and functional traits to understand phenotypic diversity

2021· review· en· W3175867078 sur OpenAlexaff
Timothy E. Higham, Lara A. Ferry, Lars Schmitz, Duncan J. Irschick, Samuel Starko, Philip S. L. Anderson, Philip J. Bergmann, Heather A. Jamniczky, Leandro R. Monteiro, Dina Navon, Julie Messier, Emily Carrington, Stacy C. Farina, Kara Feilich, L. Patricia Hernández, Michele A. Johnson, Sandy Kawano, Chris J. Law, Sarah J. Longo, Christopher H. Martin, Patrick T. Martone, Alejandro Rico‐Guevara, Sharlene E. Santana, Karl J. Niklas

Notice bibliographique

RevueTrends in Ecology & Evolution · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensUniversity of WaterlooUniversity of British ColumbiaUniversity of CalgaryUniversity of Victoria
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchNational Science Foundation
Mots-clésPhenotypeDiversity (politics)Evolutionary biologyFunctional diversityBiologyPhenotypic traitGeneticsComputational biologyGeneSociologyEcologyAnthropology

Résumé

récupéré en direct d'OpenAlex

Physical principles and laws determine the set of possible organismal phenotypes. Constraints arising from development, the environment, and evolutionary history then yield workable, integrated phenotypes. We propose a theoretical and practical framework that considers the role of changing environments. This 'ecomechanical approach' integrates functional organismal traits with the ecological variables. This approach informs our ability to predict species shifts in survival and distribution and provides critical insights into phenotypic diversity. We outline how to use the ecomechanical paradigm using drag-induced bending in trees as an example. Our approach can be incorporated into existing research and help build interdisciplinary bridges. Finally, we identify key factors needed for mass data collection, analysis, and the dissemination of models relevant to this framework.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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 Opus0,131
Tête enseignante GPT0,310
Écart entre enseignants0,179 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations71
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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