MétaCan
Menu
Retour à la cohorte

SEASONAL VARIATION IN WATERFOWL NESTING SUCCESS AND ITS RELATION TO COVER MANAGEMENT IN THE CANADIAN PRAIRIES

2005· article· en· W2174419508 sur OpenAlexaffabout
Robert B. Emery, David W. Howerter, Llwellyn M. Armstrong, Michael G. Anderson, James H. Devries, Brian L. Joynt

Notice bibliographique

RevueJournal of Wildlife Management · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAvian ecology and behavior
Établissements canadiensDucks Unlimited Canada
Organismes subventionnairesnon disponible
Mots-clésWaterfowlNesting (process)Nesting seasonGeographyVegetation (pathology)EcologyNest (protein structural motif)HabitatBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Early hatched waterfowl are more likely to enter the breeding population. Managers' primary tool to increase nesting success in the Prairie Pothole Region (PPR) of North America is managing upland vegetation for duck nesting cover. To determine whether managed covertypes affect early-season nesting success, we modeled seasonal variation in nesting success using >17,000 duck nests found in managed and unmanaged covertypes in prairie Canada from 1993 to 2000. Nesting success was higher in most managed covertypes than in unmanaged covertypes early in the nesting season. Planted cover appeared to be the best managed covertype for increasing early-season nesting success as it had high early-season nesting success, and was selected by nesting ducks in greater proportion than its availability; however, nesting success in planted cover declined later in the nesting season while nesting success in most unmanaged covertypes increased. Nevertheless, even with reduced nesting success late in the season, planted cover was more productive than surrounding unmanaged covertypes. Future waterfowl management efforts should focus on providing safe nesting cover early in the nesting season.

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)0,002
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 enseignants0,084
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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

Citations93
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetAvian ecology and behaviorTravaux en français237 207