MétaCan
Menu
Retour à la cohorte
Enregistrement W4300812930 · doi:10.26443/msurj.v12i1.37

Are species largely redundant? Testing the reliability of increasingly complex trait-based classifications in understanding Canadian Arctic ecosystems

2017· article· en· W4300812930 sur OpenAlexafffundabout
Gabriel Yahya Haage

Notice bibliographique

RevueMcGill Science Undergraduate Research Journal · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFunctional groupTraitBiologyEcologyTaxonomic rankEcosystemArcticTaxonComputer science

Résumé

récupéré en direct d'OpenAlex

Background: In recent years, some ecologists have advocated the use of functional groups instead of direct species in linking site composition to the environment. They could potentially reveal connections between distant sites and aid in the formation of widely-applicable environmental policies. Several studies have compared the efficiency of using functional groups, in which species are grouped based on functional traits, like feeding method or size, to using species directly. However, few have looked at the effect of varying the complexity of functional groups when compared to species data. This study compares functional group classes of varying complexity, with complexity defined as the number of traits considered, to species data. The hypothesis that more complex functional group classes, compared to less complex classes, tend to approach the results obtained when using taxonomy, is tested. Methods: In testing this hypothesis, this study uses site composition data from aquatic floor (benthic) ecosystems in the Canadian Arctic. Four functional traits were considered important to describe these species: Bioturbation (sediment disturbance), body size, feeding habit and mobility. These traits were used to segregate species into functional groups of varying complexity, with complexity level determined by the number of traits (out of four) being used. Four environmental characteristics were considered for each site: Chlorophyll a, phaeopigments, depth and salinity. In order to test how similar functional group data is to species data, we sought to determine whether the same environmental variables were important in explaining site composition. This was determined by BIO-ENV analyses and Spearman Rank correlations. Mantel permutation tests then determined whether the correlations were significant. Results: While all levels of complexity, from one to four functional traits, showed some significant correlations (Spearman Rank ≥0.5, p≤ 0.05) between site composition and environmental variables, there was no general trend suggesting functional group complexity correlates with greater similarity to taxonomic data. For presence/absence data, all functional results, regardless of complexity, pinpointed only phaeopigments as important, while presence/absence species data also included chlorophyll a and depth. All results with strong and significant correlations (r≥0.5 p≤ 0.05), regardless of data type or complexity, maintained a measure of food supply (Chlorophyll a or phaeopigments), demonstrating its importance in determining ecosystem composition at these sites. Limitations: Potential improvements include measuring traits directly from the organisms, considering more environmental variables and increasing the number of functional traits considered. Which traits are considered also vary with each study. Conclusions: The hypothesis was not validated by the results. When pinpointing the most complex functional group class (the most important variable), rather than a less complex class, it was not guaranteed that the chosen variables would be the same as species data. Some classes of less complexity showed greater similarity to full species data. Some outcomes, like the presence/absence results, also imply certain species redundancies in the ecosystem, particularly regarding depth. These results have implications for the concept of functional redundancies in ecosystems, an important point in developing widely applicable environmental policies.

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)0,012
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0090,004
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,258
Tête enseignante GPT0,354
Écart entre enseignants0,097 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMcGill Science Undergraduate Research JournalMême sujetPeatlands and Wetlands EcologyTravaux en français237 207