MétaCan
Menu
Retour à la cohorte
Enregistrement W2085694984 · doi:10.1098/rsbl.2005.0348

Killer whales and whaling: the scavenging hypothesis

2005· article· en· W2085694984 sur OpenAlexaff
Hal Whitehead, Randall R. Reeves

Notice bibliographique

RevueBiology Letters · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésWhalingWhaleBiologyPredationScavengingEcologyRange (aeronautics)FisheryAbundance (ecology)Zoology

Résumé

récupéré en direct d'OpenAlex

Killer whales (Orcinus orca) frequently scavenged from the carcasses produced by whalers. This practice became especially prominent with large-scale mechanical whaling in the twentieth century, which provided temporally and spatially clustered floating carcasses associated with loud acoustic signals. The carcasses were often of species of large whale preferred by killer whales but that normally sink beyond their diving range. In the middle years of the twentieth century floating whaled carcasses were much more abundant than those resulting from natural mortality of whales, and we propose that scavenging killer whales multiplied through diet shifts and reproduction. During the 1970s the numbers of available carcasses fell dramatically with the cessation of most whaling (in contrast to a reasonably stable abundance of living whales), and the scavenging killer whales needed an alternative source of nutrition. Diet shifts may have triggered declines in other prey species, potentially affecting ecosystems, as well as increasing direct predation on living whales.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,588
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

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 Opus0,020
Tête enseignante GPT0,218
Écart entre enseignants0,198 · 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.

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

Citations58
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology LettersMême sujetMarine animal studies overviewTravaux en français237 207