MétaCan
Menu
Retour à la cohorte
Enregistrement W2919317757 · doi:10.1002/jwmg.21649

Climate change effects on deer and moose in the Midwest

2019· article· en· W2919317757 sur OpenAlexaboutno aff
Sarah R. Weiskopf, Olivia E. LeDee, Laura M. Thompson

Notice bibliographique

RevueJournal of Wildlife Management · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOdocoileusWildlifeClimate changeGeographyWildlife managementEcologyEnvironmental resource managementEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Climate change is an increasing concern for wildlife managers across the United States and Canada. Because climate change may alter populations and harvest dynamics of key species in the region, midwestern states have identified the effects of climate change on ungulates as a priority research area. We conducted a literature review of projected climate change in the Midwest and the potential effects on white‐tailed deer ( Odocoileus virginianus ) and moose ( Alces alces ). Warmer temperatures and decreasing snowpack in the region favor survival of white‐tailed deer. In contrast, moose may become physiologically stressed in response to warming, and increasing deer populations spreading disease will exacerbate the problem. Although there is some uncertainty about exactly how the climate will change, and to what degree, robust projections suggest that deer populations will increase in response to climate change and moose populations will decrease. Managers can begin preparing for these changes by proactively creating management plans that take this into account. Published 2019. This article is a U.S. Government work and is in the public domain in the USA. The Journal of Wildlife Management published by Wiley Periodicals, Inc. on behalf of The Wildlife Society

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 enseignants0,093
Score d'incertitude au seuil0,184

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
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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

Citations101
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wildlife ManagementMême sujetWildlife Ecology and ConservationTravaux en français237 207