MétaCan
Menu
Retour à la cohorte
Enregistrement W1946212733 · doi:10.1111/eva.12315

Multidimensional environmental influences on timing of breeding in a tree swallow population facing climate change

2015· article· en· W1946212733 sur OpenAlexafffund
Audrey Bourret, Marc Bélisle, Fanie Pelletier, Dany Garant

Notice bibliographique

RevueEvolutionary Applications · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBiologyPhenotypic plasticityClimate changeEcologyPhenologyPopulationHabitatEnvironmental changeLife history theoryLife historyDemography

Résumé

récupéré en direct d'OpenAlex

Most phenological traits are extremely sensitive to current climate change, and advances in the timing of important life-history events have been observed in many species. In birds, phenotypic plasticity in response to temperature is thought to be the main mechanism underlying yearly adjustment in the timing of breeding. However, other factors could be important and interact to affect the levels of plastic responses between and/or within-individuals. Here, we use long-term individual-based data on tree swallow (Tachycineta bicolor) to identify the spatial and environmental drivers affecting plasticity in laying date and to assess their importance at both population and individual levels. We found that laying date has advanced by 4.2 days over 10 years, and that it was mainly influenced by latitude and an interaction between spring temperature and breeder density. Analyses of individual plasticity showed that increases in temperature, but not in breeder density, resulted in within-individual advances in laying date. Our results suggest that females can adjust their laying date as a function of temperature, but that this adjustment will be partly constrained in habitats with lower breeder densities. Such potential constraint is especially worrying for the broad array of species already declining as a result of climate change.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,270
Écart entre enseignants0,230 · 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

Citations52
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionary ApplicationsMême sujetAvian ecology and behaviorTravaux en français237 207