MétaCan
Menu
Retour à la cohorte
Enregistrement W4388646247 · doi:10.3389/fevo.2023.1281108

Conventional niche overlap measurements are not effective for assessing interspecific competition

2023· article· en· W4388646247 sur OpenAlexafffundabout
Dennis L. Murray, Jenilee Gobin, Arthur Scully, Daniel H. Thornton

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensTrent University
Organismes subventionnairesCanada Research Chairs
Mots-clésInterspecific competitionNicheStorage effectCompetition (biology)EcologyResource (disambiguation)BiologyInferenceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Interspecific competition is notoriously difficult to detect and quantify, especially in species that are wide-ranging or otherwise difficult to track in the wild. Research investigating interspecific competition usually relies on niche overlap measurements despite that this approach alone does not yield rigorous inference. As an illustration, we review published research assessing interspecific competition in mid-sized carnivores in North America (bobcat – Lynx rufus ; Canada lynx – Lynx canadensis ; coyote – Canis latrans ), and report on shortcomings associated with commonly used study designs and types of inference. Niche overlap measurements typically focus on one or two resources (e.g., food, space, habitat), often using non-independent sampling units and inadequate replication. Few studies measure overlap variation through space, time, or resource variability, which is crucial for robust assessment. Niche overlap (or lack thereof) is used as evidence both for and against interspecific competition, reflecting a weak link between competition theory, predicted responses, and observations. Overall, challenges associated with conducting competition research in the field promote over-reliance on simple measurements, flawed study designs and weak inference. Minimally, niche overlap studies should include assessment across multiple niche dimensions and spatial or temporal variation in competitor density or resource availability. Dynamic investigative approaches should include new technologies for tracking inter-individual interactions, study designs that leverage quasi-experiments (e.g., decline in shared resources, biological control of one competitor), and synthetic analyses (e.g., meta-regression). Ultimately, better understanding of competition theory vis-à-vis study design and data needs will promote improved understanding of the role of interspecific competition in nature.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,247
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetWildlife Ecology and ConservationTravaux en français237 207