MétaCan
Menu
Retour à la cohorte
Enregistrement W2112228799 · doi:10.1016/j.icesjms.2004.02.002

Deep-ocean predation by a high Arctic cetacean

2004· article· en· W2112228799 sur OpenAlexafffund
K. L. Laidre, Mads Peter Heide‐Jørgensen, Ole A Jørgensen, Margaret A. Treble

Notice bibliographique

RevueICES Journal of Marine Science · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesU.S. Geological SurveySchool of Aquatic and Fishery SciencesNational Oceanic and Atmospheric AdministrationFisheries and Oceans CanadaNunavut Wildlife Research TrustNational Marine Fisheries ServiceComisión de Investigaciones CientíficasUniversity of Washington
Mots-clésHalibutCapelinFisheryBayPredationArcticBiomass (ecology)OceanographyPopulationWhaleEnvironmental scienceBiologyGeographyEcologyGeologyFish <Actinopterygii>Demography

Résumé

récupéré en direct d'OpenAlex

Abstract A bioenergetic model for two narwhal (Monodon monoceros) sub-populations was developed to quantify daily gross energy requirements and estimate the biomass of Greenland halibut (Reinhardtius hippoglossoides) needed to sustain the sub-populations for their 5-month stay on wintering grounds in Baffin Bay. Whales in two separate wintering grounds were estimated to require 700 tonnes (s.e. 300) and 90 tonnes (s.e. 40) of Greenland halibut per day, assuming a diet of 50% Greenland halibut. Mean densities and length distributions of Greenland halibut inside and outside of the narwhal wintering grounds were correlated with predicted whale predation levels based on diving behavior. The difference in Greenland halibut biomass between an area with high predation and a comparable area without whales, approximately 19 000 tonnes, corresponded well with the predicted biomass removed by the narwhal sub-population on a diet of 50–75% Greenland halibut.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
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 Opus0,008
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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

Citations44
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine animal studies overviewTravaux en français237 207