MétaCan
Menu
Retour à la cohorte
Enregistrement W6948312694 · doi:10.5061/dryad.w0vt4b8wd

Data from: Network structure of avian mixed-species flocks decays with elevation and latitude across the Andes

2023· dataset· en· W6948312694 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2023
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFlockForagingDisturbance (geology)HabitatFlocking (texture)PredationCompetition (biology)Latitude

Résumé

récupéré en direct d'OpenAlex

Birds in mixed-species flocks benefit from greater foraging efficiency and reduced predation but also face costs related to competition and activity matching. Because this cost-benefit trade-off is context-dependent (e.g., abiotic conditions, habitat quality), the structure of flocks is expected to vary along elevational, latitudinal, and disturbance gradients. Specifically, we predicted that the connectivity and cohesion of flocking networks would (1) decline towards tropical latitudes and lower elevations, where competition and activity matching costs are higher, and (2) increase with lower forest cover and greater human disturbance. We analysed the structure of 84 flock networks across the Andes and assessed the effect of elevation, latitude, forest cover and human disturbance on network characteristics. We found that Andean flocks are overall open-membership systems (unstructured), though the extent of network structure varied across gradients. Elevation was the main predictor of structure, with more connected and less modular flocks upslope. As expected, flocks in areas with higher forest cover were less cohesive, with better-defined flock subtypes. Flocks also varied across latitude and disturbance gradients as predicted, but effect sizes were small. Our findings indicate that the unstructured nature of Andean flocks might arise as a strategy to cope with harsh environmental conditions.

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)0,002
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 enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,010

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 Opus0,015
Tête enseignante GPT0,287
Écart entre enseignants0,271 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetCell Image Analysis TechniquesTravaux en français237 207