MétaCan
Menu
Retour à la cohorte
Enregistrement W1487056451 · doi:10.1080/14634988.2014.880639

Feeding ecology of the intensively fished Nile Perch, <i>Lates niloticus,</i> in Lake Victoria, Uganda

2014· article· en· W1487056451 sur OpenAlexaff
Winnie Nkalubo, Lauren J. Chapman, Fredrick Jones Muyodi

Notice bibliographique

RevueAquatic Ecosystem Health & Management · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLatesPredationBiologyFisheryPerchNile tilapiaFishingInvertebratePredatory fishEcologyZoologyFish <Actinopterygii>Oreochromis

Résumé

récupéré en direct d'OpenAlex

The diet of Nile Perch (8.0–121.0 cm total length [TL]) from the Ugandan waters of Lake Victoria was quantified through stomach content analysis of specimens collected from experimental catches and fish factory samples. A total of 7824 stomachs (5602 from experimental fishing and 2222 from factory samples) were examined, of which 34.8% contained food. Fish from the experimental catches were smaller (8.0–41.6 cm TL) and had a higher diversity of prey dominated by unidentifiable fish prey, haplochromine cichlids, Rastrineobola argentea, Odonata and Caridina nilotica, while larger fish (30.0–121.0 cm TL) from the factory samples had a predominance of fish remains and haplochromine cichlids. Nile Perch that had a high proportion of fish prey (versus invertebrates) in their stomachs showed a larger size for a given age, and were in a better condition (K = 1.24) than those that had primarily invertebrates (K = 1.10) in their stomachs. Nile Perch exhibited a much smaller size (15 cm versus 30 cm TL) at shift to piscivory in comparison to Nile Perch examined in earlier studies, when haplochromines were rare in Lake Victoria. The recovery of haplochromine cichlids coincident with declining Nile Perch densities illustrates the importance of developing sustainable management options that can define a proper balance between fishing mortality and Nile Perch predation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAquatic Ecosystem Health & ManagementMême sujetAquatic Ecosystems and BiodiversityTravaux en français237 207