MétaCan
Menu
Retour à la cohorte
Enregistrement W4389950200 · doi:10.3389/fmars.2023.1304000

Macroalgal features and their influence on associated biodiversity: implications for conservation and restoration

2023· article· en· W4389950200 sur OpenAlexafffund
Emily G. Gibbons, Pedro A. Quijón

Notice bibliographique

RevueFrontiers in Marine Science · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Prince Edward Island
Mots-clésBiodiversityEcologyHabitatClimate changeAbundance (ecology)Habitat destructionBiologyPopulationGeographyInvertebrate

Résumé

récupéré en direct d'OpenAlex

Studies examining the relationship between seaweeds and the diversity of associated organisms have been attempted far less than those focusing on the influence of terrestrial plants. That is troublesome considering the growing number of studies reporting the decline or local loss of macroalgae because of ocean warming and climate change. Since the fate of macroalgae will have an influence on associated organisms, this brief overview examined the different roles played by macroalgae, making the distinction between morphological features associated with individual seaweed species and those associated with populations or habitats. Most studies at both (individual and population) levels have identified positive relationships between morphological features such as structural complexity (including fractal dimensions) and invertebrate biodiversity, and the abundance of various faunistic groups. Some of these relationships are stronger than others, often with complex outcomes, suggesting that the current and future ecological benefits provided by macroalgae are strongly species- and habitat-dependent. While the displacement or local-scale loss of seaweeds may continue because of climate change, the features identified here may become useful in light of conservation and restoration efforts.

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 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 enseignants0,083
Score d'incertitude au seuil0,246

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,213
Écart entre enseignants0,200 · 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

Citations30
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine and coastal plant biologyTravaux en français237 207