MétaCan
Menu
← Retour à la cohorte
Enregistrement W2528356323 · doi:10.1139/cjz-2016-0097

Adaptations of large marsupials to survival in winter snow cover: locomotion and foraging

2016· article· en· W2528356323 sur OpenAlexvenueno aff
K. Green

Notice bibliographique

RevueCanadian Journal of Zoology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologySnowEcologyForagingSwampMarsupialAlligatorSnow lineTammar wallabyMacropusForageHerbivoreSnow coverGeography

Résumé

récupéré en direct d'OpenAlex

The small extent of seasonally snow-covered Australian mountains means that there has not been a great selective pressure on the mammalian fauna for adaptations to this environment. Only one large marsupial, the common wombat (Vombatus ursinus (Shaw, 1800)), is widespread above the winter snowline. In the past 20 years, with snow depth and duration declining, the swamp wallaby (Wallabia bicolor (Desmarest, 1804)) has become more common above the winter snowline. The red-necked wallaby (Macropus rufogriseus (Desmarest, 1817)) is common in alpine Tasmania where seasonal snow cover is neither as deep nor as long-lasting as on the mainland, but has only been recorded regularly above the winter snowline in the mainland Snowy Mountains since 2011. This study examines morphological aspects of locomotion of these three herbivorous marsupials in snow. The wombat is the best adapted to snow, with quadrupedal gait and an expanded home range allowing it to locate and feed on the same plant groups as it does at lower elevation. Wallabies are poorly adapted to locomotion in snow, but the browsing swamp wallaby is able to maintain its dietary habit by feeding on exposed shrubs in deep snow, whereas the red-necked wallaby, which depends more on grazing, appears constrained to areas where snow is shallow.

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 enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,209 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→