Notice bibliographique
Résumé
Fish show a tremendous diversity in patterns of reproductive investment and in associated breeding systems (i.e. parental care and sexual selection, including the number of mates obtained by both sexes and the manner in which they are obtained through competition for mates and resources, courtship, and mate choice). These patterns play an integral role in shaping the evolution of populations and their dynamics, and thus changes in these patterns necessarily affect population viability. Artificial culture of fish in hatcheries, net‐pens and gene banks almost invariably disrupts the natural breeding system and alters fitness‐related traits. The implications, both genetic and ecological, of the intentional and unintentional release of these fish for wild populations are largely dependent on what occurs during breeding and its subsequent effects on offspring performance. Our findings and those of others have indicated that gene flow from cultured to wild populations is frequently impeded by altered breeding behaviour and biased by sex and life history strategy. Moreover, breeding affects subsequent offspring performance through not only genetic (e.g., disruption of co‐adapted gene complexes, MHC non‐assortative mating), but also non‐genetic maternal effects (e.g., breeding time and location, egg size). While significant advances have been made in the last decade, our understanding of the reproductive ecology of cultured fish in the wild remains somewhat in its infancy. Such study continues to be integral in enlightening our management of cultured fishes in the wild, and more broadly for increasing our understanding of fish breeding systems and thus population dynamics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».