MétaCan
Menu
← Retour à la cohorte
Enregistrement W6910826475 · doi:10.5061/dryad.632p3

Data from: Beyond shading: litter production by neighbours contributes to overyielding in tropical trees

2012· dataset· en· W6910826475 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2012
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiodiversityEcosystemCompetition (biology)TropicsHabitatTropical forestInterspecific competitionLitterPairwise comparison

Résumé

récupéré en direct d'OpenAlex

The influence of biodiversity on ecosystem functioning is now well established. However, our ability to predict the ecological consequences of biodiversity changes remains limited by our poor understanding of the mechanisms underlying biodiversity effects. We disentangled the contributions of light competition and residual neighbourhood interactions in a ten-year-old biodiversity experiment with tropical trees that display overyielding, i.e., higher community-level yields in mixtures compared with monocultures. We developed models of individual tree growth that partition the effects of neighbouring trees into shading and residual effects assumed to reflect primarily belowground interactions. These models reject the hypothesis that reduced light competition in mixtures is the only mechanism driving overyielding. After factoring out the effects of shading, litter production by neighbours was a far better predictor of tree growth than traditional crowding indices and contributed to overyielding by producing pairwise interactions that ranged from competitive to facilitative, but which on average concentrated competition within species. Consistent with litter-mediated biodiversity effects, the magnitude of overyielding increased over time. Our results provide evidence for diversity effects extending beyond that of light and reveal the neglected role of litter-mediated interactions among trees.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,010

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 Opus0,087
Tête enseignante GPT0,356
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→