MétaCan
Menu
Retour à la cohorte
Enregistrement W4205870071 · doi:10.1093/biosci/biab144

On the Dynamic Nature of Omnivory in a Changing World

2021· article· en· W4205870071 sur OpenAlexafffund
Marie Gutgesell, Kevin S. McCann, Gabriel Gellner, Kévin Cazelles, Christopher J. Greyson‐Gaito, Carling Bieg, Matthew M. Guzzo, Connor P Warne, Charlotte Ward, Reilly O’Connor, Alexa M Scott, Brandon C Graham, Emily J. Champagne, Bailey C. McMeans

Notice bibliographique

RevueBioScience · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of TorontoUniversity of Guelph
Organismes subventionnairesOffice of International Science and EngineeringCanada First Research Excellence Fund
Mots-clésBiodiversityFood webEcologyKey (lock)EcosystemStability (learning theory)Variation (astronomy)Perspective (graphical)BiologyEnvironmental resource managementComputer scienceEnvironmental scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Nature's variability plays a major role in maintenance of biodiversity. As global change is altering variability, understanding how key food web structures maintain stability in the face of variation becomes critical. Surprisingly, little research has been undertaken to mechanistically understand how key food web structures are expected to operate in a noisy world and what this means for stability. Omnivory, for example, has been historically well studied but largely from a static perspective. Recent empirical evidence suggests that the strength of omnivory varies in response to changing conditions in ways that may be fundamental to stability. In the present article, we extend existing omnivory theory to predict how omnivory responds to variation and to show that dynamic omnivory responses are indeed a potent stabilizing structure in the face of variation. We end by synthesizing empirical examples within this framework, demonstrating the ubiquity of the theoretical mechanisms proposed across ecosystem types, spatial scales, and taxa.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,005
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,211
Écart entre enseignants0,186 · 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

Citations28
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetPlant and animal studiesTravaux en français237 207