MétaCan
Menu
Retour à la cohorte
Enregistrement W2049795538 · doi:10.1163/1568539x-00003246

Risk in a changing world: environmental cues drive anti-predator behaviour in lake sturgeon (Acipenser fulvescens) in the absence of predators

2015· article· en· W2049795538 sur OpenAlexafffund
Van Wishingrad, Annessa B. Musgrove, Douglas P. Chivers, Maud C. O. Ferrari

Notice bibliographique

RevueBehaviour · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Wildlife Federation
Mots-clésLake sturgeonForagingAcipenserPredationPredatorEcologyBiologyHabitatFish <Actinopterygii>FisherySturgeon

Résumé

récupéré en direct d'OpenAlex

Rapidly changing climates and habitats represent challenges faced by the majority of animal species on our planet, and are leading to rapid declines in global biodiversity. However, the degree to which behaviour is influenced by changing environmental cues is not well understood. Specifically, environmental cues that have been correlated with predator abundance or performance over evolutionary history may have significant effects on prey behaviour. In the present study, we investigated the role of water clarity on foraging activity in lake sturgeon (Acipenser fulvescens) in the absence of predators. Foraging activity was significantly higher during the night than the day and was higher in turbid environments versus clear environments, indicating that decreased turbidity alone, may in part drive anti-predator behaviour and constrain foraging activity. Future work exploring the interconnectedness of environmental cues and behavioural changes will help us better understand the many ways rapidly changing environments can influence behavioural ecological processes.

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 enseignants0,006
Score d'incertitude au seuil0,012

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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

Citations23
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBehaviourMême sujetFish Ecology and Management StudiesTravaux en français237 207