MétaCan
Menu
Retour à la cohorte
Enregistrement W2016070928 · doi:10.1111/j.1600-0633.2006.00185.x

Cascading effects of introduced Nile perch (<i>Lates niloticus</i>) on the foraging ecology of Nile tilapia (<i>Oreochromis niloticus</i>)

2006· article· en· W2016070928 sur OpenAlexaff
Gladys Bwanika, Lauren J. Chapman, Yusuf S. Kizito, J.S. Balirwa

Notice bibliographique

RevueEcology Of Freshwater Fish · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésOreochromisLatesNile tilapiaBiologyFisheryEcologyOmnivoreForagingDetritusWaterfowlHabitatFish <Actinopterygii>Predation

Résumé

récupéré en direct d'OpenAlex

Abstract – Nile tilapia (Oreochromis niloticus L.) is the dominant of the introduced tilapiines in many East African lakes and has flourished in the presence of introduced Nile perch (Lates niloticus L.). We explored the hypothesis that O. niloticus exhibits increased omnivory in response to a decline in abundance of haplochromine cichlids. First, we quantified variation in habitat use and diet of O. niloticus in Lake Nabugabo, Uganda. Second, we compared the diet of O. niloticus in lakes with (Nabugabo, Victoria) and without (Mburo, Wamala, Nyamusingiri, Kyasanduka) introduced Nile perch. In Lake Nabugabo, a higher level of phytoplanktivory was observed in small juveniles than in larger fish and in wetland ecotone areas where haplochromines were most abundant. An omnivorous diet dominated by detritus and invertebrates was recorded for O. niloticus in lakes Nabugabo and Victoria, while a predominantly herbivorous diet was characteristic of O. niloticus in lakes without Nile perch. Availability of a broad food base in lakes where inshore insectivores have been reduced may explain the increased omnivory recorded in lakes Nabugabo and Victoria.

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 enseignants0,005
Score d'incertitude au seuil0,011

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,005
Tête enseignante GPT0,174
Écart entre enseignants0,169 · 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology Of Freshwater FishMême sujetAquatic Ecosystems and BiodiversityTravaux en français237 207