MétaCan
Menu
Retour à la cohorte
Enregistrement W2914591767 · doi:10.1101/536144

Variation in space and time: a long-term examination of density-dependent dispersal in a woodland rodent

2019· preprint· en· W2914591767 sur OpenAlexafffund
Simon T. Denomme-Brown, Karl Cottenie, J. Bruce Falls, E. Ann Falls, Ronald J. Brooks, Andrew G. McAdam

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAnimal Ecology and Behavior Studies
Établissements canadiensUniversity of TorontoUniversity of Guelph
Organismes subventionnairesMinistry of Natural Resources
Mots-clésBiological dispersalDensity dependencePopulation densityPopulationPeromyscusWoodlandEcologyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Dispersal is a fundamental ecological process that can be affected by population density, yet studies report contrasting effects of density on propensity to disperse. Additionally, the relationship between dispersal and density is seldom examined using densities measured at different spatial scales or over extensive time-series. We used 51-years of trapping data to examine how dispersal by wild deer mice ( Peromyscus maniculatus ) was affected by changes in both local and regional population densities. We examined these patterns over both the entire time-series and also in ten-year shifting windows to determine whether the nature and strength of the relationship changed through time. Probability of dispersal decreased with increased local and regional population density, and the negative effect of local density on dispersal was more pronounced in years with low regional densities. Additionally, the strength of negative density-dependent dispersal changed through time, ranging from very strong in some decades to absent in other periods of the study. Finally, while females were less likely to disperse, female dispersal was more density-dependent than male dispersal. Our study shows that the relationship between density and dispersal is not temporally static and that investigations of density-dependent dispersal should consider both local and regional population densities.

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 enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0010,001
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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAnimal Ecology and Behavior StudiesTravaux en français237 207