Geographical assignment of polar bears using multi-element isoscapes
Notice bibliographique
Résumé
O) in polar bear hair from > 1000 individuals, sampled from across much of the Canadian Arctic and sub-Arctic, to test the ability of stable isotopic profiles to 'assign' bears to (1) predefined managed subpopulations, (2) subpopulations defined by similarities in stable isotope values using quadratic discriminant analysis, and (3) spatially explicit, isotopically distinct clusters derived from interpolated (i.e. 'kriged') isotopic landscapes, or 'isoscapes', using the partitioning around medoids algorithm. A four-isotope solution provided the highest overall assignment accuracies (~80%) to pre-existing management subpopulations with accuracy rates ranging from ~30-99% (median = 64%). Assignment accuracies of bears to hierarchically clustered ecological groups based on isotopes ranged from ~64-99%. Multivariate assignment to isotopic clusters resulted in highest assignment accuracies of 68% (33-77%), 84% (47-96%) and 74% (53-85%) using two, three and four stable isotope groups, respectively. The resulting spatial structure inherent in the multiple stable isotopic compositions of polar bear tissues is a powerful forensic tool that will, in this case, contribute to the conservation and management of this species. Currently, it is unclear what is driving these robust isotopic patterns and future research is needed to evaluate the processes behind the pattern. Nonetheless, our isotopic approach can be further applied to other apex mammalian predators under threat, such as the large felids, providing that isotopic structure occurs throughout their range.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».