MétaCan
Menu
Retour à la cohorte
Enregistrement W1907528895 · doi:10.1111/j.1474-919x.2008.00814.x

Body mass of prefledging Emperor Geese<i>Chen canagica</i>: large‐scale effects of interspecific densities and food availability

2008· article· en· W1907528895 sur OpenAlexaboutno aff
Bryce C. Lake, Joel A. Schmutz, Mark S. Lindberg, Craig R. Ely, William D. Eldridge, Fred J. Broerman

Notice bibliographique

RevueIbis · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterspecific competitionBiologyGooseEcologyGrazingAnatidaeCompetition (biology)Emperor

Résumé

récupéré en direct d'OpenAlex

We studied body mass of prefledging Emperor GeeseChen canagicaat three locations across the Yukon–Kuskokwim Delta, Alaska, during 1990–2004 to investigate whether large‐scale variation in body mass was related to interspecific competition for food. From 1990 to 2004, densities of Cackling GeeseBranta hutchinsii minimamore than doubled and werec. 2–5× greater than densities of Emperor Geese, which were relatively constant over time. Body mass of prefledging Emperor Geese was strongly related (negatively) to interspecific densities of geese (combined density of Cackling and Emperor Geese) and positively related to measures of food availability (grazing lawn extent and net above‐ground primary productivity (NAPP)). Grazing by geese resulted in consumption of ≥ 90% of the NAPP that occurred in grazing lawns during the brood‐rearing period, suggesting that density‐dependent interspecific competition was from exploitation of common food resources. Efforts to increase the population size of Emperor Geese would benefit from considering competitive interactions among goose species and with forage plants.

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 enseignants0,061
Score d'incertitude au seuil0,120

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 Opus0,007
Tête enseignante GPT0,193
Écart entre enseignants0,186 · 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

Citations23
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIbisMême sujetRangeland and Wildlife ManagementTravaux en français237 207