Macroevolution and Macroecology of North American Cenozoic Mammals : Analysis and Modelisation
Bibliographic record
Abstract
L'étude de la biodiversité passée, de sa dynamique et des paramètres déterminant son évolution, est un préalable nécessaire à la compréhension de l’érosion de la biodiversité actuelle. En étudiant les conditions environnementales et historiques associées aux assemblages taxinomiques, il est possible d'inférer les liens dynamiques qui unissent les variations de l'environnement et de la biodiversité. Pour cela, un Système d'Information Géographique (SIG) a été développé à partir des compilations du registre fossile des mammifères terrestres cénozoïques d'Amérique du Nord publiées par Janis et al. (1998, 2008). Ce registre, s'étendant de la crise Crétacé/Paléogène (66 Ma) au Pléistocène inférieur (�1,8 Ma) et couvrant les territoires actuels des Etats-Unis, du Canada et du Mexique, est l'un des registres fossiles les mieux connus et les plus complets au monde. Sur la base de ces données d'occurrences géoréférencées, il devient possible de caractériser les patrons de distributions et d'observer les fluctuations temporelles et spatiales de plusieurs dimensions de la biodiversité (diversité taxinomique, disparité, diversité fonctionnelle, diversité phylogénétique.). L'observation de ces variations spatio-temporelles de biodiversité peut être réalisée à différentes échelles (locale à continentale) et pour différents types d'assemblages écologiques ou taxinomiques (communautés, métacommunautés, guildes trophiques, groupes de taille, espèces, genres, familles.), permettant en retour de tester différentes hypothèses à l'interface entre macroévolution et macroécologie. Ainsi, deux axes de recherche principaux ont pu être développés dans le cadre de ce travail. Le premier s'enracine dans une problématique centrale en macroévolution : l'impact de l'organisation chronologique des informations paléontologiques dans un système biozonal discret sur la reconstruction de séries temporelles de diversité et de taux d'évolution (apparitions et extinctions). A partir de simulations, l'effet de la discrétisation temporelle est estimé en fonction du registre fossile étudié ; un algorithme est développé afin d'en corriger les distorsions. Le second axe de recherche s'enracine dans une problématique centrale en macroécologie : comment caractériser a posteriori, sur la base de données d’occurrences taxinomiques échantillonnées au sein d'assemblages, la part relative des processus d'assemblage par la niche et par la dispersion dans la construction et le maintien de communautés et métacommunautés ? Afin de répondre à cette question, un nouvel outil analytique appelé « PER-SIMPER » est développé à partir de la méthode SIMPER (Clarke 1993). Dans un premier temps, la précision et la consistance de cette nouvelle méthode sont évaluées à l'aide de simulations basées sur des automates cellulaires. Dans un second temps, l'analyse PER-SIMPER de l'ensemble des biozones enregistrées au sein du SIG est réalisée ; les résultats obtenus sont discutés au regard des changements climatiques et environnementaux associés à l’histoire évolutive des mammifères cénozoïques nord-américains. Finalement, les résultats obtenus permettent d’identifier différentes perspectives de recherche à court, moyen et long termes, tant sur leplan analytique que méthodologique
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".