MétaCan
Menu
← Retour à la cohorte
Enregistrement W2146858023 · doi:10.1139/f05-030

The schooling and foraging ecology of lake herring (<i>Coregonus artedi</i>) in Lake Opeongo, Ontario, Canada

2005· article· en· W2146858023 sur OpenAlexfundvenueaboutno aff
Scott Milne, Brian J. Shuter, W. Gary Sprules

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Natural Resources
Mots-clésHerringCoregonusForagingSalvelinusPredationEcologyFisheryTroutForage fishClupeidaePredatory fishCapelinBiologyGeographyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

We used a combination of suspended gill nets and hydroacoustics to investigate the schooling behaviour of lake herring (Coregonus artedi) in Lake Opeongo, Ontario, Canada. Lake herring form schools during the day but are dispersed at night and this change occurs at a light threshold of roughly 0.04 lx. Schools range in maximum linear dimension from 100 to 2300 cm with the majority under 1000 cm. The light threshold for school formation is well below that at which their principal predator, lake trout (Salvelinus namaycush), are able to detect prey. This suggests that schooling may provide advantages in addition to predator avoidance. We observed that lake herring stomachs were fuller during the day than at night, indicating that schooling herring forage more efficiently during the day than individual herring do at night. Furthermore, herring stomach fullness increased with school size, suggesting that schooling enhances foraging opportunities for individual members. We speculate that this is due either to social facilitation of feeding when herring are in the presence of conspecifics, or to corporate vigilance, or "many eyes", which allows individual fish to spend less time being alert to predators and more time feeding.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,319

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,182
Écart entre enseignants0,174 · 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

Citations53
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→