MétaCan
Menu
Retour à la cohorte
Enregistrement W2096654729 · doi:10.1111/j.1365-2028.2012.01346.x

How do differences in species and part consumption affect diet nutrient concentrations? A test with red colobus monkeys in <scp>K</scp>ibale <scp>N</scp>ational <scp>P</scp>ark, <scp>U</scp>ganda

2012· article· en· W2096654729 sur OpenAlexafffund
Amy M. Ryan, Colin A. Chapman, Jessica M. Rothman

Notice bibliographique

RevueAfrican Journal of Ecology · 2012
Typearticle
Langueen
DomainePsychology
ThématiquePrimate Behavior and Ecology
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsNational Science Foundation
Mots-clésNutrientBiologyPrimateAbundance (ecology)Plant speciesZoologyEcologyBotany

Résumé

récupéré en direct d'OpenAlex

Abstract Within a primate species, diet can be highly variable in composition, even at small spatial scales within the same forest, or temporally, suggesting that primates use different plant species and parts to meet similar nutritional needs. To test whether such differences in the plant species and parts that primates eat affects the nutrient concentrations that they obtain, we observed feeding of seven groups of red colobus monkeys ( P rocolobus rufomitratus ) residing in K ibale N ational P ark, U ganda. The different groups consumed mostly young leaves from many of the same plant species, but spent different amounts of time feeding on them. As protein and fibre are suggested to be important determinants of colobine food choice and abundance, we analysed multiple samples of 47 food species for protein and fibre. Despite the differences in the plant species and parts eaten, the protein and fibre concentrations for the seven red colobus groups were similar. Our results suggest that colobus monkeys eating diets with differing amounts of species and parts may ultimately receive similar concentrations of nutrients.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,272
Écart entre enseignants0,233 · 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

Citations27
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of EcologyMême sujetPrimate Behavior and EcologyTravaux en français237 207