MétaCan
Menu
Retour à la cohorte
Enregistrement W2463048972 · doi:10.1086/bblv228n3p192

Quantifying the Effects of Predator and Prey Body Size on Sea Star Feeding Behaviors

2015· article· en· W2463048972 sur OpenAlexaff
Rebecca A. Gooding, Christopher D. G. Harley

Notice bibliographique

RevueBiological Bulletin · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Science Foundation
Mots-clésBiologyPredationMytilusPredatorMusselEcologyPopulationZoologyTrophic levelAbundance (ecology)Fishery

Résumé

récupéré en direct d'OpenAlex

Body size plays a crucial role in determining the strength of species interactions, population dynamics, and community structure. We measured how changes in body size affect the trophic relationship between the sea star Pisaster ochraceus and its prey, the mussel Mytilus trossulus. We tested the effects of a wide range of predator and prey sizes on sea stars' prey-size preference, feeding rate, and prey tissue consumption. We found that preferred prey size increased with sea star size. Pisaster consumption rate (mussels consumed per day) and tissue intake rate (grams of tissue consumed per day) also increased with sea star size. Pisaster consumption rate, but not tissue intake rate, decreased with increasing mussel size. Juvenile sea stars preferred the most profitable prey sizes-that is, those that maximized tissue consumed per unit handling time. When adult sea stars were offered larger, more profitable mussels, tissue intake rates (grams per day) tended to increase, although this relationship was not statistically significant. Our results indicate that the Pisaster-Mytilus interaction depends on the sizes of both predator and prey, that predation rates are sensitive to even small changes in body size, and that shifts in size distributions may affect predator energetics and prey numbers differently depending on the factors that limit tissue consumption rates.

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 enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,038
Tête enseignante GPT0,238
Écart entre enseignants0,200 · 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

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiological BulletinMême sujetMarine and coastal plant biologyTravaux en français237 207