MétaCan
Menu
Retour à la cohorte
Enregistrement W2065027596 · doi:10.1111/j.1748-7692.2011.00496.x

Ecological factors influencing group sizes of river dolphins (<i>Inia geoffrensis</i>and<i>Sotalia fluviatilis</i>)

2011· article· en· W2065027596 sur OpenAlexaff
Catalina Gomez‐Salazar, Fernando Trujillo, Hal Whitehead

Notice bibliographique

RevueMarine Mammal Science · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTributaryProductivityEcologyPredationGeographyFlood mythDrainage basinEcosystemFloodplainCompetition (biology)Environmental scienceFisheryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Living in groups is usually driven by predation and competition for resources. River dolphins do not have natural predators but inhabit dynamic systems with predictable seasonal shifts. These ecological features may provide some insight into the forces driving group formation and help us to answer questions such as why river dolphins have some of the smallest group sizes of cetaceans, and why group sizes vary with time and place. We analyzed observations of group size for Inia and Sotalia over a 9 yr period. In the Amazon, largest group sizes occurred in main rivers and lakes, particularly during the low water season when resources are concentrated; smaller group sizes occurred in constricted waters (channels, tributaries, and confluences) that receive an influx of blackwaters that are poor in nutrients and sediments. In the Orinoco, the largest group sizes occurred during the transitional water season when the aquatic productivity increases. The largest group size of Inia occurred in the Orinoco location that contains the influx of two highly productive whitewater rivers. Flood pulses govern productivity and major biological factors of these river basins. Any threats to flood pulses will likely have an effect on the functionality of these ecosystems and the species living in them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,060
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,022
Tête enseignante GPT0,218
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

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

Citations40
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Mammal ScienceMême sujetMarine animal studies overviewTravaux en français237 207