MétaCan
Menu
Retour à la cohorte
Enregistrement W1842737401 · doi:10.1139/cjfas-2013-0025

Impacts of sea otter (<i>Enhydra lutris</i>) predation on commercially important sea cucumbers (<i>Parastichopus californicus</i>) in southeast Alaska

2013· article· en· W1842737401 sur OpenAlexvenueno aff
Sean D. Larson, Zachary N. Hoyt, Ginny L. Eckert, Verena A. Gill

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEchinoderm biology and ecology
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Arctic SciencesU.S. Fish and Wildlife ServiceAlaska Department of Fish and GameAlaska Sea Grant, University of Alaska FairbanksNational Science Foundation
Mots-clésOtterFisherySea cucumberPopulationPredationEcologyForagingBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Sea cucumbers (Parastichopus californicus), which are an important commercial, subsistence, and ecological resource, are negatively affected by an expanding sea otter (Enhydra lutris) population in southeast Alaska. A few hundred sea otters were reintroduced into southeast Alaska in the late 1960s after their extirpation during the 18th and 19th century fur trade. In the ensuing decades after recolonization, the sea otter population grew exponentially in number and distribution, and sea cucumbers declined in density in areas with otters, suggesting an inverse relationship between sea otter numbers and sea cucumber density. We evaluated the interaction and effects of sea otters on sea cucumbers using sea otter foraging observations, sea otter population survey data, and sea cucumber density data. Our results indicate that sea cucumber density declined with and without sea otter presence and that the extent of the decline depends on the duration and magnitude of sea otter presence, with 100% decline in areas occupied by sea otters since 1994. Sea otter predation should be included in sea cucumber fishery management as a step toward ecosystem-based 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 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 enseignants0,109
Score d'incertitude au seuil0,217

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,190 · 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

Citations44
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetEchinoderm biology and ecologyTravaux en français237 207