MétaCan
Menu
Retour à la cohorte
Enregistrement W2900858609 · doi:10.1038/s41598-018-35306-6

Individual variability in diving, movement and activity patterns of adult bearded seals in Svalbard, Norway

2018· article· en· W2900858609 sur OpenAlexaboutno aff
Charmain D. Hamilton, Kit M. Kovacs, Christian Lydersen

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesNorsk Polarinstitutt
Mots-clésArcticPelagic zoneBenthic zoneCircumpolar starRange (aeronautics)Generalist and specialist speciesGeographyHabitatHome rangeFisheryPopulationOceanographyEcologyBiologyGeologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Bearded seals are one of the least studied Arctic marine mammals, despite their circumpolar distribution and importance as a resource to Inuit communities. In this study, adult bearded seals (Erignathus barbatus) were equipped with GPS-Argos-CTD-SRDLs in Svalbard, Norway (2011–2012, n = 7) to document their diving, activity and movement patterns in a region where their habitat is changing rapidly. Five seals transmitted for > 8 months, sending 21,738 GPS-positions and 17,866 dives between July and April. The seals spent little time hauled out (≤ 5%). Diving, which occupied 74 ± 3% of their time, was generally shallow (24 ± 7 m, max: 391 m) and of short duration (6.6 ± 1.5 min, max: 24 min) with deeper, longer dives in winter/spring compared to summer. All seals occupied shallow, coastal areas and relatively small 50% home ranges (10–32 km2). However, individuals exhibited high degrees of specialization in their habitat use and diving behaviour, differing markedly with respect to proportions of benthic vs pelagic dives (range: 51–95% benthic dives), distance to glacier fronts (range: 3–22 km) and in the time spent at the bottom of dives (range: 43–77%). Having specialized strategies within a generalist population may help bearded seals adapt in a rapidly changing Arctic ecosystem.

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)0,000
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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations45
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMarine animal studies overviewTravaux en français237 207