MétaCan
Menu
← Retour à la cohorte
Enregistrement W2901756380 · doi:10.1139/cjfas-2018-0359

Hearing capabilities and behavioural response of sea lamprey (<i>Petromyzon marinus</i>) to low-frequency sounds

2018· article· en· W2901756380 sur OpenAlexaffvenue
Megan F. Mickle, Scott Miehls, Nicholas S. Johnson, Dennis M. Higgs

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesU.S. Geological SurveyGreat Lakes Fishery Commission
Mots-clésLampreyPetromyzonJuvenileSound (geography)BiologyVertebrateExtant taxonEcologyZoologyFisheryEvolutionary biologyAcoustics

Résumé

récupéré en direct d'OpenAlex

Hearing ability is well studied across teleost fishes in general, and vertebrates more broadly, but little is known about sound detection abilities of lampreys (Petromyzontiformes), a basal extant vertebrate group. The sea lamprey (Petromyzon marinus) is a destructive invader of the Laurentian Great Lakes, while numerous lamprey species (including the sea lamprey) are imperiled in their native ranges. In both management scenarios, behavioral manipulation tactics to control movement and distribution are desired. Therefore, we describe the hearing ability and behavioral responses of adult and juvenile sea lamprey to sound to reveal how hearing may have evolved in vertebrates and determine possible management applications. Based on auditory evoked potentials, sea lamprey detected tones of 50–300 Hz with equal sensitivity, but did not detect sounds above 300 Hz. In a laboratory bioassay, sea lamprey behaviorally responded to sound range of 50–200 Hz, with a general increase in swimming and a decrease in resting behaviours at both juvenile and adult stages relative to no-sound controls. To our knowledge, this is the first test of lamprey hearing, and the results support that sound may be a means to modify lamprey behaviour for management purposes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

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 Opus0,018
Tête enseignante GPT0,216
Écart entre enseignants0,199 · 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

Citations17
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→