Is there a “sweet spot” of model complexity for qualitative models used in Ecosystem-Based Management?
Notice bibliographique
Résumé
Ecosystem models have been developed to help support Ecosystem-Based Management and to help provide better management advice that can account for ecosystem impacts (e.g., climate, species interactions, fishing behaviour). Quantitative end-to-end models have proven to be very useful strategically for exploring future scenarios, but are data intensive, time consuming, and require considerable expertise and training. Conversely, qualitative models have different benefits: they are less dependent on data, relatively faster to develop, can incorporate different types of information that are difficult to measure or combine, and can be co-developed with a variety of audiences. There has been an increase in the use of qualitative models for marine management, however questions have arisen about how well qualitative models perform in comparison to quantitative models, and how they can be used to inform management. Here we compare results from quantitative and qualitative ecosystem models for the same region at differing levels of model complexity to explore their relative utility for EBM. We conclude that the number of linkages between model elements and trophic position of the perturbed model were influential factors in the qualitative model behaviour. When perturbing lower trophic level groups, higher complexity models performed closer to the quantitative model. Lower complexity models were recommended when estimating scenarios with perturbations to mid-trophic groups. Careful consideration among these issues is required to develop the "sweet spot" of model complexity for qualitative ecosystem models to reflect similar results to quantitative models. In addition, utilizing multiple models to determine the strongest impacts from perturbations is recommended to avoid spurious conclusions.
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 | 0,034 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,025 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».