MétaCan
Menu
Retour à la cohorte
Enregistrement W4292236792 · doi:10.7717/peerj.13920

Incorporating nonlinearity with generalized functional responses to simulate multiple predator effects

2022· article· en· W4292236792 sur OpenAlexaff
Michael McCoy, Elizabeth Hamman, Molly A. Albecker, Jeremy M. Wojdak, James R. Vonesh, Benjamin M. Bolker

Notice bibliographique

RevuePeerJ · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMcMaster University
Organismes subventionnairesNational Science Foundation
Mots-clésPredationNonlinear systemPredatorFunctional responseEconometricsEcologyBiological systemComputer scienceBiologyMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Predicting the combined effects of predators on shared prey has long been a focus of community ecology, yet quantitative predictions often fail. Failure to account for nonlinearity is one reason for this. Moreover, prey depletion in multiple predator effects (MPE) studies generates biased predictions in applications of common experimental and quantitative frameworks. Here, we explore additional sources of bias stemming from nonlinearities in prey predation risk. We show that in order to avoid bias, predictions about the combined effects of independent predators must account for nonlinear size-dependent risk for prey as well as changes in prey risk driven by nonlinear predator functional responses and depletion. Historical failure to account for biases introduced by well-known nonlinear processes that affect predation risk suggest that we may need to reevaluate the general conclusions that have been drawn about the ubiquity of emergent MPEs over the past three decades.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,974

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)0,0270,000

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 Opus0,028
Tête enseignante GPT0,249
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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeerJMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207