MétaCan
Menu
Retour à la cohorte
Enregistrement W2112664311 · doi:10.1139/f10-151

The effects of handling time, ambient light, and anaesthetic method, on the standardized measurement of fish colouration

2011· article· en· W2112664311 sur OpenAlexafffundvenue
Suzanne Gray, Francine L. Hart, Maude E.M. Tremblay, Thomas J. Lisney, Craig W. Hawryshyn

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish biology, ecology, and behavior
Établissements canadiensUniversity of GuelphSault CollegeMcGill UniversityQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésFish <Actinopterygii>ReflectivityEugenolLight intensityUltraviolet lightChemistryEnvironmental scienceAnimal scienceBiologyFisheryOptics

Résumé

récupéré en direct d'OpenAlex

The effects of handling time, ambient light intensity, and anaesthetic method, on the collection of spectral reflectance data were assessed in two species of Malawi cichlids ( Melanochromis auratus and Metriaclima zebra ). Using spectrometry, colour patches were measured over 10 min, under increasing ambient light levels, and using three anaesthetic methods. As time elapsed, maximum percent reflectance (R max ) decreased across all anaesthetic methods and species, suggesting that measurements should be taken immediately after capture and anaesthetization. With increasing light intensity, R max increased significantly, suggesting that measurements should be taken under natural ambient conditions when possible. Finally, we found that anaesthetizing fish using an ice bath produced significantly higher R max than using either MS-222 (tricaine methanesulphonate) or clove oil (eugenol). However, the highest proportion of ultraviolet (UV) colouration was recorded while fish were anaesthetized with clove oil. Our results highlight the variation involved in measuring fish colour patterns using two related species, and thus indicate the need for a standardized approach to collecting spectral reflectance data in fish.

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)0,000
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 enseignants0,239
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,027
Tête enseignante GPT0,226
Écart entre enseignants0,199 · 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

Citations37
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetFish biology, ecology, and behaviorTravaux en français237 207