MétaCan
Menu
Retour à la cohorte
Enregistrement W2115025995 · doi:10.1086/345785

Timing Games in the Reproductive Phenology of Female Pacific Salmon (<i>Oncorhynchus</i>spp.)

2003· article· en· W2115025995 sur OpenAlexaff
Yolanda E. Morbey, Ronald C. Ydenberg

Notice bibliographique

RevueThe American Naturalist · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesGarfield Weston Foundation
Mots-clésOncorhynchusSemelparity and iteroparityLongevitySpawn (biology)BiologyPhenologyNest (protein structural motif)EcologyReproductive successPopulationReproductionDemographyFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We use a game-theoretic framework to investigate the reproductive phenology of female kokanee (Oncorhynchus nerka). As in the other semelparous species of Pacific salmon, females construct nests in gravel, spawn with males, bury their fertilized eggs, and defend their nest sites until they die several days later. Later-breeding females may reuse previous nest sites, and their digging behavior is thought to subject previously buried eggs to mortality. Using game-theoretic models, we show that females can reduce this risk by allocating resources to longevity (the period between arrival and death) as opposed to eggs. Waiting before territory settlement is also expected if it allows females to conserve energy and delay senescence. The models demonstrate how these costs and benefits interact to select for a seasonal decline in longevity, a well-known phenomenon in the salmonid literature, and a seasonal decline in wait duration. Both of these predictions were supported in a field study of kokanee. Female state of reproductive maturity was the most important proximate factor causing variation in longevity and wait duration. With more than 30% of territories being reused, dig-up is likely an important selective force in this population.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,245
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 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

Citations43
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American NaturalistMême sujetFish Ecology and Management StudiesTravaux en français237 207