An assessment of re‐randomization methods in bark beetle (Scolytidae) trapping bioassays
Notice bibliographique
Résumé
Abstract 1 Numerous studies have explored the role of semiochemicals in the behaviour of bark beetles (Scolytidae). 2 Multiple‐funnel traps are often used to elucidate these behavioural responses. Sufficient sample sizes are obtained by using large numbers of traps to which treatments are randomly assigned once, or by frequent collection of trap catches and subsequent re‐randomization of treatments. 3 Recently, there has been some debate about the potential for trap contamination to occur when semiochemical treatments (baits), and not trap‐treatment units (traps and baits), are re‐randomized among existing traps. Due to the volatility of many semiochemicals, small levels of contamination could potentially confound results. 4 A literature survey was conducted to determine the frequency of re‐randomizing semiochemical treatments (baits) vs. trap‐treatment units (traps and baits) in scolytid trapping bioassays. An experiment was then conducted to determine whether differences in the response of Dendroctonus brevicomis LeConte to attractant‐baited traps exist between the two methods. 5 The majority of papers examined reported use of a large number of fixed replicates (traps) rather than re‐randomization of treatments at frequent intervals. Seventy‐five percent of papers for which re‐randomization methods could be determined reported relocation of semiochemical treatments (baits) only. 6 No significant differences in trap catch were observed among multiple‐funnel traps aged with D. brevcomis baits (Phero Tech Inc., Canada) for 0, 30 and 90 days, suggesting that contamination did not influence the results. 7 It is concluded that re‐randomizing baits is a viable cost‐effective option to re‐randomizing trap and bait units.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».