MétaCan
Menu
Retour à la cohorte
Enregistrement W2164924354 · doi:10.1644/07-mamm-a-200.1

Darkness, Twilight, and Daylight Foraging Success of Bears (Ursus americanus) on Salmon in Coastal British Columbia

2009· article· en· W2164924354 sur OpenAlexafffundabout
DAN R. KLINKA, T. E. Reimchen

Notice bibliographique

RevueJournal of Mammalogy · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Victoria
Organismes subventionnairesDavid Suzuki Foundation
Mots-clésDarknessUrsusDaylightTwilightForagingFisheryEcologyBiologyGeographyEnvironmental scienceDemography

Résumé

récupéré en direct d'OpenAlex

We examine foraging behavior of coastal black bears (Ursus americanus kermodei) during different light regimes on a salmon stream in British Columbia, Canada (2000–2002). Bears (maximum 7 simultaneously) were primarily active during daylight near the onset of the salmon spawning run and shifted to twilight and darkness as the spawning run progressed. Overall time budget included search and pursuit (58%), handling and ingestion (38%), and agonistic interactions with other bears (4%). Scavenging was greatest during daylight (19%) and lowest during darkness (3%). Bears were most efficient at capturing live salmon when standing (35.4% success) followed by running (20.5%) and walking (15.2%). Highest capture efficiency occurred during twilight (33.6%) compared with daylight (26.5%) and darkness (24.7%). Capture rate ranged from 1 to 3 salmon per hour per bear. Our results suggest that bears increased their total salmon intake by alternate use of visual and auditory cues during daylight and darkness.

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)0,000
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 enseignants0,056
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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

Citations30
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of MammalogyMême sujetFish Ecology and Management StudiesTravaux en français237 207