MétaCan
Menu
← Retour à la cohorte
Enregistrement W2087679482 · doi:10.1139/z09-080

Age-specific growth, survival, and population dynamics of female Australian fur seals

2009· article· en· W2087679482 sur OpenAlexvenueno aff
John Gibbens, John P. Y. Arnould

Notice bibliographique

RevueCanadian Journal of Zoology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyFur sealFecunditySurvivorship curvePopulationForagingBenthic zoneEcologyPopulation growthAbundance (ecology)Vital ratesZoologyHabitatPopulation sizePopulation densityDemography

Résumé

récupéré en direct d'OpenAlex

Postsealing population recovery rates of fur seals and sea lions have differed markedly, perhaps owing to habitat type. Australian fur seals ( Arctocephalus pusillus doriferus Wood Jones, 1925) employ a benthic foraging mode similar to sea lions, and have exhibited similarly slow population recovery. Nonetheless, the population doubled in recent decades, suggesting a recent change in demographic rates. In the present study, the frequency and size of known-age females (n = 297) were used to create body growth and survivorship models. These were compared with models obtained in the 1970s before the recent population increase. Body growth, which is relatively rapid in comparison to other fur seal species, remains unchanged since the 1970s, suggesting that density-dependent effects are absent despite the population increases. Adult survival rates (weighted mean: 0.885) have increased greatly since the 1970s and are the likely mechanism of the recent increases. Total population abundance was estimated to be 4.5 times that of pups. Australian fur seals display high survivorship, rapid body growth, low fecundity, and low population growth rates; all are characteristics typical of benthic foraging sea lions rather than other fur seals.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,020
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,239
Écart entre enseignants0,212 · 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

Citations28
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetMarine animal studies overview→Travaux en français237 207→