MétaCan
Menu
Retour à la cohorte
Enregistrement W1563865173 · doi:10.22621/cfn.v122i3.601

Factors Influencing the Abundance of Berry Plants for Black Bears, <em>Ursus americanus</em>, in Quebec

2008· article· en· W1563865173 sur OpenAlexafffundvenueabout
Rémi Hébert, Claude Samson, Jean Huot

Notice bibliographique

RevueThe Canadian Field-Naturalist · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and Vegetation Dynamics Studies
Établissements canadiensParks CanadaUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaParks Canada
Mots-clésUrsusVegetation (pathology)BerryAbundance (ecology)WildlifeEcologyGeographyPhysical geographyEnvironmental scienceForestryBiologyBotanyDemography

Résumé

récupéré en direct d'OpenAlex

Berries generally represent the primary food source used by Black Bears (Ursus americanus) during summer and sometimes fall. Our study attempted to identify factors influencing the abundance of these critical resources for Black Bears in Quebec. We used data from the ecological inventories of the Ministère de l’Environnement du Québec. Three different study areas were selected, including the Papineau-Labelle Wildlife Reserve (326 sample plots; 24 species), the Laurentides Wildlife Reserve (679 sample plots; 16 species) and the Côte-Nord administrative region (1944 sample plots; 30 species). Each site represented a different bioclimatic domain. Characteristics of the dominant vegetation (density and height), soil texture, and drainage classes (vertical or oblique) were used as analysis factors. In general, height and density of the dominant vegetation had a significant effect on the abundance of berry plants. Berry plants were more abundant in plots where dominant vegetation height and density were low. Soil texture had little effect on the abundance of berry plants, and the influence of drainage varied depending on the region. This study allowed us to determine the optimal sites of berry resources for Black Bears.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,230
Écart entre enseignants0,213 · 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
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

Citations4
Publié2008
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Field-NaturalistMême sujetEcology and Vegetation Dynamics StudiesTravaux en français237 207