MétaCan
Menu
← Retour à la cohorte
Enregistrement W2794693704 · doi:10.1139/cjfas-2017-0318

Maternal effects better predict walleye recruitment in Escanaba Lake, Wisconsin, 1957–2015: implications for regulations

2018· article· en· W2794693704 sur OpenAlexvenueno aff
Stephanie L. Shaw, Greg G. Sass, Justin A. VanDeHey

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFecundityAbundance (ecology)BiologyPerchEcologyRelative species abundanceFisheryFish <Actinopterygii>DemographyPopulation

Résumé

récupéré en direct d'OpenAlex

Maternal influences on age-0 walleye (Sander vitreus (Mitchill, 1818)) recruit abundance and survival from egg to fall were observed in Escanaba Lake, Wisconsin, in 1957–2015. Annual egg production best explained variation in age-0 recruitment, compared with female relative abundance, and adult abundance (sexes combined). Age-0 recruitment was not significantly correlated with any temperature metric tested or our index of yellow perch (Perca flavescens (Mitchill, 1814)) abundance. Survival of walleye from egg to fall age-0 was positively correlated with the percent contribution of large females (>55.9 cm) to annual egg production. Mean size diversity of females by length class did not influence age-0 recruit abundance or survival over time. Evidence for maternal effects via size- and age-specific influences on fecundity and age-0 walleye survival suggest that exploitation may influence natural recruitment by altering adult female size structure. Given recent declines observed in walleye natural recruitment in the upper Midwestern USA, understanding the roles of maternal drivers and exploitation on recruitment is critical for sustainable walleye management.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,028
Tête enseignante GPT0,254
Écart entre enseignants0,226 · 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

Citations49
Publié2018
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→