MétaCan
Menu
Retour à la cohorte
Enregistrement W2110828527 · doi:10.1648/0273-8570-72.3.338

USE OF TIPS BY NESTING KELP GULLS AT A GROWING COLONY IN PATAGONIA

2001· article· en· W2110828527 sur OpenAlexaff
Marcelo Bertellotti, Pablo Yorio, Guillermo Blanco, Maricel Giaccardi

Notice bibliographique

RevueJournal of Field Ornithology · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésKelpFisheryBiologyAbundance (ecology)Nesting (process)EcologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

We evaluated the magnitude of use of waste tips by Kelp Gulls (Larus dominicanus) nesting at Isla de los Pájaros, a large and growing colony in Patagonia, Argentina, and we assessed the difference in use between tips with urban and fishery waste. We marked with color dye 1347 adult breeding Kelp Gulls to determine if they fed in urban and fishery tips and to estimate the number of birds which used those tips during incubation. Kelp Gulls were present during 100% and 64% of counts at the fishery waste tip and the urban waste tip, respectively. The number of adult gulls was always larger at the fishery waste tip (mean ± SD = 1694 ± 664) than in the urban waste tip (mean ± SD = 59 ± 68). Considering the total number of gulls flying from the colony to the tips and the proportion of marked gulls in the tips, we estimated that at least 54–69% of the birds of the colony were present at the tips. The use of fishery waste may have contributed to the increase in the number of Kelp Gulls breeding at Isla de los Pájaros, and the quality, abundance, and predictability of food disposed at the fishery waste tip could foster the use of this site relative to natural food sources located closer to their breeding colony. Removal of artificial food sources may be assessed at the Puerto Madryn and other Patagonian waste tips to reduce conflicts between human and gull populations.

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 candidatesCharge 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 enseignants0,025
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,026
Tête enseignante GPT0,257
Écart entre enseignants0,231 · 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

Citations53
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Field OrnithologyMême sujetAvian ecology and behaviorTravaux en français237 207