Supporting Information: Measuring Functional Redundancy Using Generalized Hill Numbers
Notice bibliographique
Résumé
A number of metrics for quantifying the amount of functional redundancy in a community have been proposed over the years. Two of the most popular metrics are based on comparing a taxonomic diversity measure with a generalized form of the same measure that accounts for functional dissimilarities between taxa. These two metrics express redundancy as either an absolute or relative difference between the taxonomic diversity measure and its generalized form. Because they express the amount of redundancy in a community in terms of raw diversity values, both redundancy metrics are susceptible to the same issues that complicate the interpretation of most commonly used diversity indices. It is possible to overcome these issues by restating these two indices using a Hill numbers framework. As a growing number of authors have noted, these modified metrics provide a more intuitive quantitative definition of functional redundancy when used to rank communities. Beyond this intuitive definition, measuring redundancy in terms of Hill numbers allows researchers to control the influence of rare taxa on the output value, enabling ecologists to better predict how a community is expected to respond when exposed to an external perturbation that selectively eliminates rare or common taxa. Here I show that, of the two possible Hill number-based redundancy metrics, the form based on a popular absolute redundancy metric is extremely sensitive to differences in taxonomic diversity and can provide a misleading picture of how much redundancy is present in a community. For this reason, I argue that Hill number-based functional redundancy should be quantified using a relative metric that explicitly accounts for differences in effective taxonomic diversity. The proposed Hill number-based relative redundancy measure is shown to provide a much more complete picture of the distribution of redundant taxa within a community, highlighting subtle patterns that are completely missed by the Hill number-based absolute redundancy metric.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,559 | 0,118 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».