MétaCan
Menu
Retour à la cohorte
Enregistrement W4220891272 · doi:10.1016/j.baae.2022.03.011

Disentangling food-web environment relationships: A review with guidelines

2022· review· en· W4220891272 sur OpenAlexaff
Frederico Mestre, Dominique Gravel, David García‐Callejas, Carla Pinto‐Cruz, Miguel G. Matias, Miguel B. Araújo

Notice bibliographique

RevueBasic and Applied Ecology · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesFundação para a Ciência e a TecnologiaHORIZON EUROPE Framework ProgrammeEuropean Commission
Mots-clésFood webEcosystemEcologyField (mathematics)Environmental resource managementComputer scienceEnvironmental scienceBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Food webs represent the energy fluxes and the nutrient cycling between interacting species that underpin several ecosystem functions. Whether and how interactions vary across environmental gradients is still largely unknown. We reviewed the literature searching for systematic relationships between structural food-web properties and environmental gradients. Temperature and biotic factors are amongst the most frequently addressed drivers of food-web structure. We also assessed the degree to which food-web ecology has accomplished a mechanistic understanding of ecosystem functioning. We found that most studies are one-off descriptions of local food webs making it difficult to achieve an understanding of the response to human or environmental gradients. The lack of a consistent theory predicting how food webs change across environmental gradients, the diversity of objectives in food-web studies, and the absence of a standardized methodology for analysing them severely limit progress in the field. Moving forward requires the establishment of a core set of testable predictions, agreed standards for data collection and analysis, and the development of geographically distributed experimental studies of food-web dynamics.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0120,012
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,190
Tête enseignante GPT0,269
Écart entre enseignants0,079 · 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'étudeSans objet
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

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBasic and Applied EcologyMême sujetPlant and animal studiesTravaux en français237 207