MétaCan
Menu
← Retour à la cohorte
Enregistrement W2755025961 · doi:10.1139/cjz-2017-0084

Benefits and drawbacks of determining reproductive histories for black bears (<i>Ursus</i> <i>americanus</i>) from cementum annuli techniques

2017· article· en· W2755025961 sur OpenAlexvenueno aff
Maximilian L. Allen, Bruce E. Kohn, Nathan Roberts, Shawn M. Crimmins, Timothy R. Van Deelen

Notice bibliographique

RevueCanadian Journal of Zoology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesWisconsin Department of Natural Resources
Mots-clésUrsusBiologyLitterPopulationCementumVital ratesUrsus maritimusReproductionReproductive successEcologyDemographyZoologyAnimal sciencePopulation growth

Résumé

récupéré en direct d'OpenAlex

Recruitment is difficult to estimate but is essential for determining population trend. Recruitment in bears can be estimated from patterns in width of cementum annuli that indicate years with cubs. We evaluated reproductive history estimates from cementum annuli of 19 101 black bears (Ursus americanus Pallas, 1780) collected over 20 years to determine the benefits and drawbacks of this technique for management agencies. The technique only worked to estimate reproductive histories for 25% of submitted samples, and 49% of samples with estimates contained uncertain litters. Whether uncertain litters were counted or not caused significant variation in estimates of age at first litter, number of litters per female, and interbirth intervals. Hence, naive treatment of uncertain litters may bias analyses. A data set we optimized to reduce bias showed that litters per female ranged from 0 to 12, mean interbirth interval was 2.07 years, and both increased as females aged. Large samples of teeth collected from harvested bears over multiple decades potentially provides a wealth of information on reproductive parameters at a minimal cost compared with intensive field studies, but until uncertain litters are understood mechanistically and can be better quantified, reproductive estimates from this technique should be interpreted with caution.

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)0,013
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

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