MétaCan
Menu
Retour à la cohorte
Enregistrement W4324382589 · doi:10.1111/oik.09415

Predicting and controlling ecological communities via trait and environment mediated parameterizations of dynamical models

2023· article· en· W4324382589 sur OpenAlexaff
Benjamin Blonder, Pierre Gaüzère, Lars Lønsmann Iversen, Po‐Ju Ke, William K. Petry, Courtenay A. Ray, Roberto Salguero‐Gómez, William A. Sharpless, Cyrille Violle

Notice bibliographique

RevueOikos · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensMcGill University
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésTraitAbiotic componentContext (archaeology)EcologyCommunityAlternative stable stateEnvironmental changeComputer scienceClimate changeBiologyHabitatEcosystem

Résumé

récupéré en direct d'OpenAlex

Predicting or controlling the state of an ecological community is a core global change challenge. Dynamical models provide one toolkit, but parameterizing these models can be challenging, and interpretation can be difficult. We here propose rewriting dynamical model parameters in terms of more interpretable and measurable functional traits and environmental variables (trait and environment mediated parameterizations; TEMPs). For prediction, this approach could help make interpretable forecasts of equilibrium community dynamics (species coexistence), invasibility surfaces (dynamics due to biotic context), and responses to environmental change (dynamics due to abiotic context). For control, this approach could help identify policies that yield desired species and trait compositions through perturbations of the abundance of species with certain traits, or of the environment.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,997

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)0,0040,000

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 Opus0,037
Tête enseignante GPT0,231
Écart entre enseignants0,194 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207