MétaCan
Menu
← Retour à la cohorte
Enregistrement W2169312955 · doi:10.1139/cjz-2014-0108

Species and size-selective predation by raccoons (<i>Procyon</i> <i>lotor</i>) preying on introduced intertidal clams

2014· article· en· W2169312955 sur OpenAlexaffvenue
Brandi L. Simmons, J. Sterling, Jane C. Watson

Notice bibliographique

RevueCanadian Journal of Zoology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensVancouver Island University
Organismes subventionnairesnon disponible
Mots-clésIntertidal zoneBiologyPredationForagingVarnishEcologyFisheryZoology

Résumé

récupéré en direct d'OpenAlex

Raccoons (Procyon lotor (L., 1758)) are known for their dietary plasticity and ability to exploit new resources. We studied raccoons preying on introduced intertidal clams and hypothesized that raccoons maximized energetic profit by foraging selectively. Raccoons discarded Manila clams (Venerupis philippinarum (A. Adams and Reeve, 1850)) but selected large varnish clams (Nuttallia obscurata (Reeve, 1857)), although varnish and Manila clam densities did not differ significantly and small varnish clams were more abundant than large ones. We determined the energy content of different-sized varnish and Manila clams by subtracting the cost of cracking a clam from its soft-tissue energy. Varnish clams with less shell mass than Manila clams required less energy to open, but for their size Manila clams were more profitable. We suggest that raccoons, limited to preying on clams when the tide is low and at risk feeding on an open beach, select varnish clams because they need less handling, but maximize profit by selecting large clams. Our calculations indicate that a raccoon eating large varnish clams could obtain up to 8.4% of its daily basal metabolic needs in 10 min, making varnish clams a potentially valuable new prey resource.

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 enseignants0,011
Score d'incertitude au seuil0,021

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,178
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

Citations16
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetFish Ecology and Management Studies→Travaux en français237 207→