MétaCan
Menu
Retour à la cohorte
Enregistrement W2430334677 · doi:10.1656/058.015.0211

Safe and Selective Capture of Bobcats (<i>Lynx rufus</i>) Using Trained Hounds in the Absence of Snow

2016· article· en· W2430334677 sur OpenAlexaff
Roy McBride, Cougar McBride, Caleb McBride

Notice bibliographique

RevueSoutheastern Naturalist · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensCochrane
Organismes subventionnairesU.S. Fish and Wildlife ServiceSyracuse University
Mots-clésPumaGeographySnowEcologyBiologyMeteorology

Résumé

récupéré en direct d'OpenAlex

In January 2010, we were contracted to collect biological samples from 25 wild Lynx rufus (Bobcat) for felid disease studies. We collected all samples in compliance with state and federal research guidelines on public land within the Puma concolor coryi (Florida Panther) primary range. This area extends south of the Caloosahatchee River to the tip of peninsular Florida. To maximize selectivity and minimize the risk of injury to target and non-target species, we chose hounds trained according to our specific regimen to capture felines and ignore non-target species. We conducted fieldwork from 23 February 2010 to 5 May 2010. During this period, we safely captured 25 Bobcats in 36 d of effort. After we collected biological samples, we marked each Bobcat with a yellow ear-tag to prevent redundant immobilizations. The results of this project demonstrate that specially trained hounds are a safe and selective alternative for the capture of small cats, even in the absence of snow.

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 enseignants0,013
Score d'incertitude au seuil0,191

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 Opus0,012
Tête enseignante GPT0,227
Écart entre enseignants0,215 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoutheastern NaturalistMême sujetWildlife Ecology and ConservationTravaux en français237 207