MétaCan
Menu
Retour à la cohorte
Enregistrement W2067386642 · doi:10.1111/j.1095-8649.2007.01539.x

Effect of light intensity and eye development on prey capture by larval striped bass <i>Morone saxatilis</i>

2007· article· en· W2067386642 sur OpenAlexaff
K. E. MacIntosh, J. Duston

Notice bibliographique

RevueJournal of Fish Biology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésBiologyPredationLarvaLight intensityAnimal scienceSerranidaeIchthyoplanktonPelagic zoneBass (fish)FisheryEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

The efficacy of visual and non‐visual feeding among pelagic striped bass Morone saxatilis larvae adapted to a turbid estuary was determined in the laboratory in clear water. Capture of Artemia salina (density 100 l−1) was significantly affected by the interaction between age of larvae (range: 8–25 days post‐hatch, dph) and light intensity (range: 0–10·6 μmol s−1 m−2 at the water surface). Visual feeding by larvae aged 9–11 dph was highest in dim light (0·086–0·79 μmol s−1 m−2), with fish capturing up to 5 prey larva−1 h−1. As the larvae grew, prey capture in brighter light improved, associated with an increasing proportion of twin cone photoreceptors and improving ability of the retina to light‐ and dark‐adapt. By age >22 dph, mean prey capture was greatest at highest light intensities (0·79 and 10·6 μmol s−1 m−2) exceeding 100 prey larva−1 h−1. Incidence of feeding larvae generally improved as the larvae grew, reaching >80% in all light intensities from 16 dph onwards. The lower threshold for visual feeding, between 0·0084 and 0·03 μmol s−1 m−2, remained constant as the larvae grew, despite an increasing density of rod photoreceptors. Below this threshold, non‐visual feeding was evident at a low rate (<6 prey larva−1 h−1) that was independent of larval age.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,004
Tête enseignante GPT0,221
Écart entre enseignants0,217 · 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

Citations10
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetFish Ecology and Management StudiesTravaux en français237 207