Two‐current choice flumes for testing avoidance and preference in aquatic animals
Notice bibliographique
Résumé
Summary Aquatic chemical ecology is an important and growing field of research that involves understanding how organisms perceive and respond to chemical cues in their environment. Research assessing the preference or avoidance of a water source containing specific chemical cues has increased in popularity in recent years, and a variety of methods have been described in the scientific literature. Two‐current choice flumes have seen the greatest increase in popularity, perhaps because of their potential to address the broadest range of research questions. Here, we review the literature on two‐current choice flumes and show that there is a clear absence of standardized methodologies that make comparisons across studies difficult. Some of the main issues include turbulent flows that cause mixing of cues, inappropriate size of choice arenas for the animals, short experiments with stressed animals, failure to report how experiment and researcher biases were eliminated, general underreporting of methodological details, underutilization of collected data and inappropriate data analyses. In this review, we present best practice guidelines on how to build, test and use two‐current choice flumes to measure the behavioural responses of aquatic animals to chemical cues, and provide blueprints for flume construction. The guidelines include steps that can be taken to avoid problems commonly encountered when using two‐current choice flumes and analysing the resulting data. This review provides a set of standards that should be followed to ensure data quality, transparency and replicability in future studies in this field.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».