MétaCan
Menu
Retour à la cohorte
Enregistrement W2024090704 · doi:10.1139/z05-048

Male harassment of female New Zealand sea lions, <i>Phocarctos hookeri</i>: mortality, injury, and harassment avoidance

2005· article· en· W2024090704 sur OpenAlexvenueno aff
B. Louise Chilvers, Bruce C. Robertson, I. S. Wilkinson, Pádraig J. Duignan, Neil J. Gemmell

Notice bibliographique

RevueCanadian Journal of Zoology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Canterbury
Mots-clésHarassmentFecundityBiologyDemographyPopulationMatingReproductive successSeasonal breederSea lionEcologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Sexual aggression by male pinnipeds during breeding can lead to female injury and death, affecting reproductive success, fecundity, and increasing the cost of mating for females. Thus, females that employ strategies to minimize the probability of being injured will be at an advantage. Here we investigate the extent of injuries and the number of deaths attributed to male harassment, and test the hypothesis of whether the arrival and departure behaviour of female New Zealand sea lions (Phocarctos hookeri (Gray, 1844); NZSL) at Sandy Bay, Enderby Island, the Auckland Islands, is adapted to reduce the chance of injury or death from encounters with male NZSLs. During the breeding season, harassment by non-territorial male NZSLs causes mortality in adult female NZSLs, approximately 5 in every 1000 females breeding each year. Permanent scars from male bites are observed on 84% of adult females. This mortality and visible injury rate only represents the direct impacts on female NZSL from male harassment. Indirect impacts, such as the time and energy cost of avoidance behaviour, pup separation, and pup injury and death, can have as significant long-term effects on individuals and the population. We find that male harassment can influence the behaviour of individuals in NZSL breeding harems.

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 enseignants0,107
Score d'incertitude au seuil0,214

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)0,0020,000

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 Opus0,017
Tête enseignante GPT0,249
Écart entre enseignants0,232 · 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

Citations73
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetMarine animal studies overviewTravaux en français237 207