MétaCan
Menu
Retour à la cohorte
Enregistrement W2751723272 · doi:10.1007/s00442-017-3948-7

Staying cool or staying safe in a human-dominated landscape: which is more relevant for brown bears?

2017· article· en· W2751723272 sur OpenAlexaboutno aff
Andrés Ordiz, Ole‐Gunnar Støen, Miguel Delibes, Jon E. Swenson

Notice bibliographique

RevueOecologia · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesCenter for Advanced Study, University of Illinois at Urbana-Champaign
Mots-clésGrizzly BearsUrsusDisturbance (geology)HabitatWildlifeEcologyBiologySelection (genetic algorithm)Wildlife conservationHuman–wildlife conflictPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Pigeon et al. (2016) Staying cool in a changing landscape: the influence of maximum daily ambient temperature on grizzly bear habitat selection. Oecologia 181:1101. doi: 10.1007/s00442-016-3630-5 analyzed the effect of ambient temperature on the habitat selection of grizzly bears (Ursus arctos) in Alberta, Canada. They concluded that temperature played a significant role in bear habitat selection and that it was unlikely that human activity introduced biases to the habitat selection of bears. However, Pigeon et al. did not consider variables related to human activities in their analyses. They also misinterpreted previous research that has accounted for temperature in the habitat selection of brown bears. There is much literature published on the negative effects of human disturbance on wildlife in general and on bears in particular. Downplaying the role of human disturbance could have important negative consequences if, in fact, human disturbance were a more important factor than thermoregulation. Indeed, dismissing the importance of human influence, in the face of contradictory evidence, could tempt managers to disregard an important factor that is difficult and often unpopular to deal with in their conservation plans.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,017
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,026
Tête enseignante GPT0,295
Écart entre enseignants0,269 · 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.

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

Citations47
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOecologiaMême sujetWildlife Ecology and ConservationTravaux en français237 207