Loop analysis quantifying important species in a marine food web
Notice bibliographique
Résumé
Improving the predictive power of food web analysis is a major challenge. Identifying the relationships that link\ntopological and dynamical features may help. We used the predictions of loop analysis about the effect of perturbations targeted to the components of Barents sea food web to quantify their sensitivity and community\nimpact, that we summarized in two new indices, NI and NS. Using a multivariate analysis we interpreted the\nmeaning of these indices in a benchmarking exercise using several well recognized indices of species topological\n(positional) importance. Our findings suggest that the information the two indices proposed here provides does\nnot overlap with that of more diffused topological indices of positional importance (i.e. centrality indices). The\nformer are express the dynamic consequences of the topology in which species are embedded, whereas for the\nlatter such dynamical consequences are mostly hypothesized on a topological base. The indices of loop analysis\nare based on the effective role a species plays in passing the impacts to other species (NI) and their role as sinks of\nthe perturbations entering anywhere in the system (NS). These two indices, in the end, reveal how the topology\nof the network affects the response of the species to perturbations and thus emphasize the interaction between\ntopology and dynamics. Based on our results, the question related to conservation is whether to prioritize sensitive species, that can be more strongly influenced when others are perturbed, or species of high impact, that can\nmore strongly influence the rest of the community if perturbed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».