MétaCan
Menu
Retour à la cohorte
Enregistrement W2900063512 · doi:10.29173/spectrum23

Where do sea lions live? Interspecific interactions and abiotic factors predict Steller sea lion habitat.

2018· article· en· W2900063512 sur OpenAlexaffvenue
Prashanna Pokharel, Megan A Hansen

Notice bibliographique

RevueSpectrum · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSea lionInterspecific competitionHabitatZalophus californianusAbiotic componentEcologyGeographyFisheryMarine ecosystemEcosystemBiology

Résumé

récupéré en direct d'OpenAlex

Habitat selection by species is dependent on both abiotic factors and species interaction. With regards to species interaction, competition and facilitation can play a critical role regarding how a species selects its habitat. Previous work has suggested that Steller sea lions (Eumetopias jubatus) have been displaced from their haulout sites due to competition with California sea lions (Zalophus californianus). The purpose of our study is to understand what factors determine the number of Steller sea lion present at a haul out site in the Barkley Sound area in Bamfield, BC. We tested this by asking if the number of Steller sea lions at a haulout site at a certain time is related to the presence of California sea lions (as a proxy for interspecific interaction), time of day, and tide height or a combination of two or three of these variables. After running a generalized mixed effect model and competing our models using Akaike Information Criteria, our results indicated that tide height was the best predictor for explaining the number of Steller sea lions present at a haulout site. However, our results also indicated that the presence of California sea lions and time of day may play a role in determining Steller sea lion haulout sites as well. We found from this study that both species interaction and abiotic factors need to be collectively considered when predicting the mechanisms underlying species habitat choice in marine ecosystems.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,239
Écart entre enseignants0,224 · 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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpectrumMême sujetMarine animal studies overviewTravaux en français237 207