MétaCan
Menu
Retour à la cohorte
Enregistrement W6948401287 · doi:10.5061/dryad.d5f54s7

Data from: The diversity of population responses to environmental change

2018· dataset· en· W6948401287 sur OpenAlexaff

Notice bibliographique

Revuee_Buah · 2018
Typedataset
Langueen
DomaineChemistry
ThématiqueChemical synthesis and alkaloids
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMax-Planck-GesellschaftDeutsche ForschungsgemeinschaftUniversity of PennsylvaniaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Geographic SocietyNational Science Foundation
Mots-clésPopulation growthFecundityPopulationClimate changeExtinction (optical mineralogy)Variance (accounting)Vital ratesEnvironmental changePopulation modelDemographic change

Résumé

récupéré en direct d'OpenAlex

The current extinction and climate change crises pressure us to predict population dynamics with ever-greater accuracy. Although predictions rest on the well-advanced theory of age-structured populations, two key issues remain poorly-explored. Specifically, how the age-dependency in demographic rates and the year-to-year interactions between survival and fecundity affect stochastic population growth rates. We use inference, simulations, and mathematical derivations to explore how environmental perturbations determine population growth rates for populations with different age-specific demographic rates and when ages are reduced to stages. We find that stage- vs. age-based models can produce markedly divergent stochastic population growth rates. The differences are most pronounced when there are survival-fecundity-trade-offs, which reduce the variance in the population growth rate. Finally, the expected value and variance of the stochastic growth rates of populations with different age-specific demographic rates can diverge to the extent that, while some populations may thrive, others will inevitably go extinct.

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 enseignants0,048
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0480,047

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 Opus0,090
Tête enseignante GPT0,280
Écart entre enseignants0,190 · 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 revuee_BuahMême sujetChemical synthesis and alkaloidsTravaux en français237 207