MétaCan
Menu
← Retour à la cohorte
Enregistrement W2623206971 · doi:10.1139/cjfas-2017-0021

Modelling the factors influencing ontogenetic dietary shifts in stream-dwelling brown trout (<i>Salmo trutta</i>)

2017· article· en· W2623206971 sur OpenAlexvenueno aff
Javier Sánchez‐Hernández, Fernando Cobo

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesXunta de Galicia
Mots-clésBrown troutSalmoPredationOntogenyTroutBiologyAbiotic componentSalmonidaeBenthic zoneRange (aeronautics)EcologyHabitatWater columnFish <Actinopterygii>Fishery

Résumé

récupéré en direct d'OpenAlex

Biotic and abiotic variables shape ontogenetic trajectories of animals. This study modelled (i) the body length related timing of the ontogenetic switch from aquatic to surface prey and (ii) the impacts of habitat characteristics, prey availability, and fish densities on the relative contribution of surface prey to the overall diet of native brown trout (Salmo trutta). We used individual-based models of dietary data for 170 fish (length range 48–343 mm). There was a high degree of individual variation in the use of surface prey, but logistic regression suggested that the shift from aquatic to surface prey was established at a body length of 81 mm (range 36–127 mm). Results of linear mixed-effects models highlighted the importance of fish length, benthic invertebrates, brown trout density, and water current velocity to the switch to surface prey by riverine brown trout, with fish length being the most influential variable. Our study provides evidence of the importance of ontogeny (intrinsic features of individuals linked to fish length) and individual differences in feeding behaviour to understand water-column use for feeding by stream-dwelling salmonids.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,034
Tête enseignante GPT0,223
Écart entre enseignants0,189 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→