CLASSIFYING PREY HARD PART STRUCTURES RECOVERED FROM FECAL REMAINS OF CAPTIVE STELLER SEA LIONS (<i>EUMETOPIAS JUBATUS</i>)
Notice bibliographique
Résumé
A bstract Feces were collected from six Steller sea lions ( Eumetopias jubatus ) that consumed known amounts of Atka mackerel ( Pleurogrammus monopterygius ), Pacific herring ( Clupea barengus ), pink salmon ( Oncorhynchus gorbuscha ), walleye pollock ( Theragra chalcogramma ), and squid ( Loligo opalacens ). The goal was to determine the numbers and types of taxon‐specific hard parts that pass through the digestive tract and to develop correction factors for certain abundantly occurring structures. Over 20,000 fish and squid were consumed during 267 d of fecal collection. During this period, over 119,000 taxon‐specific hard parts, representing 56 different structures, were recovered. Skeletal structures and non‐skeletal structures accounted for 72% and 28% of all hard parts, respectively. The branchiocranium, axial skeleton, and dermocranium regions of the skeletal system accounted for the greatest number of hard parts recovered. Over 70% of all recovered hard parts were represented by one to six taxa specific structures for each prey type. The average number of hard parts (3.1–31.2) and structure types (2.0–17.7) recovered per individual prey varied across taxa and were used to derive correction factors (to reconstruct original prey numbers). A measure of the variability of hard part recovery among sea lions showed no difference for certain herring, pollock, and squid structures, however, there was a significant difference for salmon and Atka mackerel structures. Identifying all taxon‐ specific prey hard parts increases the likelihood of identifying and estimating the number of prey consumed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 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 tête enseignante, 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 ».