MétaCan
Menu
Retour à la cohorte
Enregistrement W2913252170 · doi:10.1126/science.aat4220

Metabolic asymmetry and the global diversity of marine predators

2019· article· en· W2913252170 sur OpenAlexaff
John M. Grady, Brian Maitner, Ara S. Winter, Kristin Kaschner, Derek P. Tittensor, Sydne Record, Felisa A. Smith, Adam M. Wilson, Anthony I. Dell, Phoebe L. Zarnetske, Helen J. Wearing, Brian Alfaro, James H. Brown

Notice bibliographique

RevueScience · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPredationEctothermBiologyEcologyBiodiversityTaxonFood chainEquatorLatitudeGeography

Résumé

récupéré en direct d'OpenAlex

Species richness of marine mammals and birds is highest in cold, temperate seas-a conspicuous exception to the general latitudinal gradient of decreasing diversity from the tropics to the poles. We compiled a comprehensive dataset for 998 species of sharks, fish, reptiles, mammals, and birds to identify and quantify inverse latitudinal gradients in diversity, and derived a theory to explain these patterns. We found that richness, phylogenetic diversity, and abundance of marine predators diverge systematically with thermoregulatory strategy and water temperature, reflecting metabolic differences between endotherms and ectotherms that drive trophic and competitive interactions. Spatial patterns of foraging support theoretical predictions, with total prey consumption by mammals increasing by a factor of 80 from the equator to the poles after controlling for productivity.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,079
Score d'incertitude au seuil0,576

Scores Codex et Gemma par catégorie

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 technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations132
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetPhysiological and biochemical adaptationsTravaux en français237 207