MétaCan
Menu
Retour à la cohorte
Enregistrement W4323664526 · doi:10.1016/j.isci.2023.106362

Opposing effects of plant traits on diversification

2023· review· en· W4323664526 sur OpenAlexaff
Bruce Anderson, John R. Pannell, Sylvain Billiard, Concetta Burgarella, Hugo de Boer, Mathilde Dufaÿ, Andrew J. Helmstetter, Marcos Méndez, Sarah P. Otto, Denis Roze, Hervé Sauquet, Daniel J. Schoen, Jürg Schönenberger, Mario Vallejo‐Marín, Rosana Zenil‐Ferguson, Jos Käfer, Sylvain Glémin

Notice bibliographique

RevueiScience · 2023
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsHorizon 2020Horizon 2020 Framework Programme
Mots-clésBiologyDiversification (marketing strategy)Evolutionary biologyTraitOutcrossingExtinction (optical mineralogy)Context (archaeology)Lineage (genetic)EcologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Species diversity can vary dramatically across lineages due to differences in speciation and extinction rates. Here, we explore the effects of several plant traits on diversification, finding that most traits have opposing effects on diversification. For example, outcrossing may increase the efficacy of selection and adaptation but also decrease mate availability, two processes with contrasting effects on lineage persistence. Such opposing trait effects can manifest as differences in diversification rates that depend on ecological context, spatiotemporal scale, and associations with other traits. The complexity of pathways linking traits to diversification suggests that the mechanistic underpinnings behind their correlations may be difficult to interpret with any certainty, and context dependence means that the effects of specific traits on diversification are likely to differ across multiple lineages and timescales. This calls for taxonomically and context-controlled approaches to studies that correlate traits and diversification.

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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,193
Tête enseignante GPT0,286
Écart entre enseignants0,093 · 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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetPlant and animal studiesTravaux en français237 207