MétaCan
Menu
Retour à la cohorte
Enregistrement W4309942237 · doi:10.1016/j.tree.2022.11.004

A bioenergetic framework for aboveground terrestrial food webs

2022· review· en· W4309942237 sur OpenAlexaff
Fernanda S. Valdovinos, Kayla R. S. Hale, Sabine Dritz, Paul Glaum, Kevin S. McCann, Sophia Simon, Élisa Thébault, William C. Wetzel, Kate L. Wootton, Justin D. Yeakel

Notice bibliographique

RevueTrends in Ecology & Evolution · 2022
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesFACE FoundationNational Science Foundation
Mots-clésTrophic levelFood webBioenergeticsTerrestrial ecosystemEcosystemEcologyBiodiversityTerrestrial plantAllometryEcosystem servicesTrophic cascadePrimary producersFood chainEnvironmental resource managementEnvironmental scienceBiologyNutrient

Résumé

récupéré en direct d'OpenAlex

Bioenergetic approaches have been greatly influential for understanding community functioning and stability and predicting effects of environmental changes on biodiversity. These approaches use allometric relationships to establish species' trophic interactions and consumption rates and have been successfully applied to aquatic ecosystems. Terrestrial ecosystems, where body mass is less predictive of plant-consumer interactions, present inherent challenges that these models have yet to meet. Here, we discuss the processes governing terrestrial plant-consumer interactions and develop a bioenergetic framework integrating those processes. Our framework integrates bioenergetics specific to terrestrial plants and their consumers within a food web approach while also considering mutualistic interactions. Such a framework is poised to advance our understanding of terrestrial food webs and to predict their responses to environmental changes.

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)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,163
Tête enseignante GPT0,321
Écart entre enseignants0,158 · 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
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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetPlant and animal studiesTravaux en français237 207