The biological and statistical significance of life-history invariants in walleye (Sander vitreus)
Notice bibliographique
Résumé
Questions: Do life-history invariants exist in walleye (Sander vitreus) and do they differ between the sexes? How does the probability of detecting life-history invariants vary with sample size? How much error is created if invariance is incorrectly assumed when using the relationships to predict one trait from another? Data description: Sex-specific data, obtained from standardized research surveys, on growth, age and size at maturity, and mortality for 435 populations of walleye from Ontario, Canada. Search method: Invariance in four life-history relationships (Lm/Linf, M/k, Tm · M and Tm/Lm) was assessed using linear slopes. We examined sample and effect sizes to determine the extent to which life-history invariants are influenced by statistical power. Errors in estimating traits from predicted invariants were obtained from random samples of 50 populations. Conclusions: Life-history invariants did not exist among populations of walleye. The value of each ratio and the extent of invariance differed between the sexes. The number of populations required to generate variance in Lm/Linf was high for males (200) and females (41), suggesting that this potential life-history invariant may be statistically robust. However, none of the other ratios examined (M/k, Tm · M and Tm/Lm) was invariant at sample sizes of 10 or more populations for either sex. For walleye, Lm can be predicted from Linf if comparisons are from populations ranging widely in Linf. Estimates of either k or Tm are unlikely to yield reliable estimates of M; similarly, Tm cannot be reliably estimated from Lm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».