How to Define, Use, and Interpret Pagel's λ$$ \lambda $$ (Lambda) in Ecology and Evolution
Notice bibliographique
Résumé
ABSTRACT Aim Pagel's (lambda) is a useful tool in ecology and evolution for describing trait evolution, imputing missing species' data, and generalising ecological relationships beyond their study system. Here, we review the various applications and interpretations of , highlight common misconceptions, and show how confusion in defining and using can mislead our interpretation of ecological and evolutionary processes. Innovation We highlight that: (1) as an index of phylogenetic signal applied to continuous traits, typically (but not always) ranges between 0 and 1, and is a rate‐independent measure of the degree to which closely‐related species resemble one‐another relative to a Brownian motion expectation. (2) estimated on incompletely sampled clades assumes random species sampling, which is rarely the case in ecological data sets, and likely has large uncertainty. (3) High is a necessary but not sufficient prerequisite for phylogenetic imputation. (4) in Phylogenetic Generalised Least Squares (PGLS) models is estimated using model residuals and is not (in most cases) an index of phylogenetic signal of measured traits. (5) New hierarchical methods including intra‐specific variation return metrics such as that are similar but not identical to ; we show how these disparate approaches can be unified within a single framework. Main Conclusions Phylogenetic methods are increasingly integrated into ecological and evolutionary analyses. Pagel's , a phylogenetic scaling parameter that describes how shared evolutionary history structures species similarities and differences, is commonly used as both a metric of ‘phylogenetic signal’ and as a statistical correction for the evolutionary non‐independence of species in phylogenetic comparative analysis. We show how to use to resolve these conceptual and statistical discrepancies.
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 | 0,032 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,014 |
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 ».