MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948790525 · doi:10.5061/dryad.w6m905qss

The ghosts of ecosystem engineers: Legacy effects of biogenic modifications

2022· dataset· en· W6948790525 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNucleofectionProteogenomicsArticular cartilage damageHyporeflexiaTSG101Limiting

Résumé

récupéré en direct d'OpenAlex

1. Ecosystem engineers strongly influence the communities in which they live by modifying habitats and altering resource availability. These biogenic changes can persist beyond the presence of the engineer, and such modifications are known as ecosystem engineering legacy effects. 2. Although many authors recognize ecosystem engineering legacies, and some case studies quantify the effects of legacies, few general frameworks describe their causes and consequences across species or ecosystem types. 3. Here, we synthesize evidence for ecosystem engineering legacies and describe how consideration of key traits of engineers improves understanding of which engineers are likely to leave persistent biogenic modifications. 4. Our review demonstrates that engineering legacies are ubiquitous, with substantial effects on individuals, communities, and ecosystem processes. Attributes that may promote the persistence of influential legacies relate to an engineer’s traits, including its body size, lifespan, and living strategy (individual, conspecific group, or collection of multiple co-occurring species). 5. Additional lines of inquiry, such as how the recipients respond (e.g., density or richness) or the mechanism of engineering (e.g., burrowing or structure building), should be included in future ecosystem engineering legacy research. 6. Understanding patterns of these persistent effects of ecosystem engineers and evaluating the consequences of losing them is an important area of research needed for understanding long-term ecological responses to global change and biodiversity loss.

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)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0380,022

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 Opus0,021
Tête enseignante GPT0,239
Écart entre enseignants0,218 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→