MétaCan
Menu
Retour à la cohorte
Enregistrement W1987493557 · doi:10.1111/j.0030-1299.2007.15766.x

Dangerous dive cycles and the proverbial ostrich

2007· article· en· W1987493557 sur OpenAlexafffund
Alejandro Frid, Michael R. Heithaus, Lawrence M. Dill

Notice bibliographique

RevueOikos · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNorth Pacific Research BoardNational Science Foundation
Mots-clésPredationLimitingEcologyBiologyPopulationResource (disambiguation)EngineeringComputer scienceDemography

Résumé

récupéré en direct d'OpenAlex

Data rarely are available to address the level of predation risk faced by diving animals in different parts of the water column. Consequently, most published research on diving behaviour implicitly assumes – like the proverbial ostrich – that ‘unseen’ predators are functionally unimportant. We argue that failure to consider diving in a predation risk framework may have precluded many insights into the ecology of aquatic foragers that breathe air. Using existing literature and a simple model, we suggest that fear from submerged predators in several systems might be influencing patch residence time, and therefore the duration of other dive cycle components. These analyses, along with an earlier model of predation risk faced by diving animals at the surface, suggest that dive cycle organisation can be modified to increase safety from predators, but only at the cost of reduced energy gain. Theoretical arguments presented here can seed hypotheses on factors contributing to population declines of diving species. For instance, adjustments to the dive cycle that reduce predation risk might be unaffordable if resources are scarce. Thus, if animals are to avoid imminent starvation or substantial loss of reproductive potential, resource declines might indirectly increase predation rates by limiting the extent to which dive cycles can deviate from those that would maximize energy gain. We hope that ideas presented in this paper stimulate other researchers to further develop theory and test predictions on how predation risk might influence diving behaviour and its ecological consequences.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,306
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations36
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetFish Ecology and Management StudiesTravaux en français237 207