MétaCan
Menu
Retour à la cohorte
Enregistrement W2112002019 · doi:10.1139/z08-029

The effects of high ungulate densities on foraging choices by beaver (Castor canadensis) in the mixed-wood boreal forest

2008· article· en· W2112002019 sur OpenAlexaffvenueabout
Glynnis A. Hood, Suzanne E. Bayley

Notice bibliographique

RevueCanadian Journal of Zoology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcology and biodiversity studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésForagingUngulateBeaverCastor canadensisBiologyCompetition (biology)EcologyForageHabitatHerbivoreIntraspecific competitionContext (archaeology)

Résumé

récupéré en direct d'OpenAlex

In some areas of North America previous management policies have created competition between beaver ( Castor canadensis Kuhl, 1820) and ungulates, resulting in dramatic declines in beaver populations. Some authors attribute this decline to competitive exclusion. Generally, the less niche overlap between competitors, the lower potential competition between them. Differences between foraging behaviour of beaver and ungulates suggest that they could not compete to the point of either competitive exploitation or complete exclusion except in restricted habitats. We tested this assumption under two levels of foraging intensity by ungulates by examining the effects of resource competition on beaver forage choices in the context of central place foraging theory. Ungulate densities and foraging intensity within Elk Island National Park (EINP) in Alberta, Canada, were significantly higher than those immediately adjacent to the park, where foraging pressure was lower. Within EINP, forage availability (e.g., stem densities and stem diameters) of many woody plants preferred by beaver, such as Populus L. and Salix L., were depressed by intense foraging by ungulates. Beaver adapted to the effects of high ungulate densities on forage resources by adapting their foraging behaviour. This finding suggested that competitive exploitation, rather than exclusion, exists in EINP. EINP is a productive system that offers an array of forage species, which potentially buffers the effects of competition between ungulates and beaver.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil0,898

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,171
Écart entre enseignants0,165 · 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

Citations36
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetEcology and biodiversity studiesTravaux en français237 207