A practical guide to characterising ecological coexistence
Notice bibliographique
Résumé
Coexistence is simultaneously one of the most fundamental concepts of ecology, and one of the most difficult to define. A particular challenge is that, despite a well-developed body of research, several different schools of thought have developed over the past century, leading to multiple independent, and largely isolated, branches of literature with distinct methodologies. Here, we provide a broad overview of the most common concepts and metrics currently used to detect and characterise ecological coexistence. We first introduce four classes of behaviour, which jointly describe the ways in which community dynamics can unfold: (i) the existence of a feasible steady state (or invariant set), i.e. where all coexisting species retain positive abundances in the long-term in the absence of interference by external forces; (ii) the existence of a local attractor that draws the community towards a feasible steady state from within a restricted set of starting conditions; (iii) the existence of a global attractor that draws the community towards feasible steady states from any non-zero starting condition; and (o) a null transient state, where species abundances vary over time irrespective of steady states and attractors. Next, we explain how these classes of behaviour relate to commonly used metrics for identifying and characterising coexistence, including analyses of parameter sensitivity, asymptotic return rates, invasion growth rates, and time to extinction. We then discuss the scope and limitations of each of these behavioural classes and corresponding metrics, with a particular focus on applications in empirical systems. Finally, we provide a potential workflow for matching empirical questions to theoretical tools, and present a brief prospectus looking forward to opportunities for advancing and integrating research on coexistence.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,125 | 0,082 |
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 ».