MétaCan
Menu
← Retour à la cohorte
Enregistrement W6967540857 · doi:10.5061/dryad.ksn02v72f

Structure of small tropical islands freshwater fish and crustacean communities: a niche- or dispersal-based process?

2020· dataset· en· W6967540857 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensCollège Boréal
Organismes subventionnairesnon disponible
Mots-clésPelagic zoneCrustaceanBiological dispersalFreshwater fishTaxonPredationStructuring

Résumé

récupéré en direct d'OpenAlex

Determining the relative importance of niche- and dispersal-based processes in the structuring of animal communities is central in ecology. Freshwater fish and crustacean communities of small tropical islands can bring new insights for understanding these processes as all their species present a pelagic larval stage which gives them important dispersal capacities. Consequently, we hypothesized that dispersal-based process maybe preponderant for structuring these communities from the regional- to the local, i.e. survey site, scales. Gradient forest analyses allowed us to model the effect of 12 environmental variables on freshwater taxa abundances in two southwestern Indian Ocean islands: Mayotte (26 taxa) and Reunion (21). A total of 153 surveys in Mayotte and 266 in Reunion were used for building the models. Despite the strong heterogeneity of environmental conditions between the two islands, the main factors structuring freshwater fish and crustacean communities in both islands were the elevation and the slope of the sites. The observed structure appeared more pronounced for predatory species than for primary consumers and omnivores. As predators generally have limited locomotor capacities, it is concluded that dispersal-based process structures these communities not only at large geographical scales but also at the intra-watershed scale, by limiting the inland penetration (or dispersion) of species in relation to their locomotor capacities. However, more knowledge concerning ecological traits and taxonomic status of many species is needed to confirm this assumption.

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)0,003
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 enseignants0,060
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,043
Tête enseignante GPT0,305
Écart entre enseignants0,263 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→