MétaCan
Menu
Retour à la cohorte
Enregistrement W6929589195 · doi:10.5061/dryad.5nm1hv2

Data from: Effects of intraspecific phenotypic variation on species coexistence

2018· dataset· en· W6929589195 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésIntraspecific competitionInterspecific competitionPopulationVariation (astronomy)MicroevolutionStorage effect

Résumé

récupéré en direct d'OpenAlex

Intraspecific variation can promote or inhibit species coexistence, both by increasing species' competitive abilities, and by altering the relative strengths of intraspecific and interspecific competition. Effects of intraspecific variation on coexistence can occur via complementarity of different variants, and via a selection effect: initially-variable populations are more likely to contain highly competitive variants that might determine the competitive ability of the population as a whole. We tested the effects of intraspecific variation and composition on coexistence by assaying the mutual invasibility of populations of two competing bean weevil species (Callosobruchus maculatus and C. chinensis) when each was initiated with one, three, or five genetically- and phenotypically-distinct lineages. Our results reveal that intraspecific variation is a double-edged sword for species coexistence. Increasing intraspecific variation increased species' abilities to invade, and to resist invasion, via selection effects and intraspecific niche complementarity among conspecific lineages, thereby creating the potential for exclusion among mismatched competitors. But intraspecific variation also increased the scope for resource partitioning, creating the potential for stable coexistence. Stable coexistence occurred only when intraspecific variation caused species to exhibit both relatively evenly-matched competitive abilities and sufficiently-strong resource partitioning. Our work explains the conflicting results of previous studies.

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)0,007
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 enseignants0,047
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0470,028

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 Opus0,037
Tête enseignante GPT0,291
Écart entre enseignants0,254 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetHemodynamic Monitoring and TherapyTravaux en français237 207