MétaCan
Menu
← Retour à la cohorte
Enregistrement W2179819693 · doi:10.1139/cjfas-2013-0479

Foraging diversity in lactating New Zealand sea lions: insights from qualitative and quantitative fatty acid analysis

2014· article· en· W2179819693 sur OpenAlexaffvenue
Laureline Meynier, P.C.H. Morel, B. Louise Chilvers, D. D. S. Mackenzie, Pádraig J. Duignan

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMassey University
Mots-clésForagingMesopelagic zoneBenthic zoneBiologyPredationEcologyFisheryZoologyPelagic zone

Résumé

récupéré en direct d'OpenAlex

Lactating New Zealand (NZ) sea lions (Phocarctos hookeri) exhibit different foraging patterns during their foraging trips, with benthic divers spending more energy at sea than mesopelagic conspecifics. We compared blubber fatty acids (FAs) of 14 benthic and 12 mesopelagic females captured at the Auckland Islands, NZ subantarctic, in late January 2000 using an analysis of similarities (ANOSIM). FA profiles between foraging types were significantly different (global R = 0.30, p = 0.001), suggesting a different use in prey resources. We then compared the diet predictions by quantitative FA signature analysis (QFASA) by using a prey FA library available in the region. Overall, diet predictions were significantly distinct between benthic and mesopelagic females (global R = 0.17, p = 0.022), although the diets consisted of the same prey but in different contributions. The results suggest benthic females do not compensate their higher foraging costs by feeding on prey with higher energy densities. Foraging areas of benthic females are not exploited by the trawling fishery; therefore, the benthic tactic might be a trade-off between a higher foraging cost and less resource competition.

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)0,001
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 enseignants0,077
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,047
Tête enseignante GPT0,271
Écart entre enseignants0,224 · 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

Citations11
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine animal studies overview→Travaux en français237 207→