Special Feature: Intraspecific variation in ecology & evolution
Notice bibliographique
Résumé
Species across the tree of life differ in many aspects. Comparative analyses and meta-analyses in both animal and plant kingdoms have brought significant insights on interspecific variation (e.g. Raffard et al., 2019; Siefert et al., 2015). As ecologists, we often work on the assumption that interspecific variation is greater than intraspecific variation, despite the central role intraspecific variation plays in evolutionary theory (Darwin, 1859). Yet, intraspecific variation may improve species' ability to respond and adapt to new environmental conditions, which is pivotal in the current context of global changes where both the mean and the variance of environmental conditions are changing. Therefore, it is surprising that the use of single average values per species has persisted across ecological research, from using mean values of ecological traits in community ecology (e.g. McGill et al., 2006), to mean values of vital rates in population projection models (e.g. Caswell, 2006; Vindenes et al., 2021). Doing so ignores the genetic and phenotypic variation present within species, from individuals through to populations, often over-simplifying the complexity that exists in nature. In this special feature, Rosa et al. (2025) nicely exemplifies how ignoring intraspecific variation in vital rates can bias predictions of population growth rates from demographic models. The authors show that mixing vital rates (e.g. survival, recruitment) from different yellow-bellied toad (Bombina variegata) populations, inhabiting contrasting ecological contexts, in hybrid ‘Frankenstein’ matrices, would rely on the assumption that all populations have similar vital rates, independently on their habitats or encountered weather conditions. This strong and somewhat unrealistic biological assumption can lead hybrid matrices to produce biased predictions of population growth rates with potentially deleterious implications for conservation or management.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,471 | 0,258 |
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 ».