MétaCan
Menu
Retour à la cohorte
Enregistrement W2999226674 · doi:10.4039/tce.2019.78

Use of wet, air-dried, or oven-dried bulk mass to quantify insect numbers: an assessment using <i>Chilothorax distinctus</i> (Müller) (Coleoptera: Scarabaeidae)

2020· article· en· W2999226674 sur OpenAlexaff
G.A. Bezanson, Kevin D. Floate

Notice bibliographique

RevueThe Canadian Entomologist · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueScarabaeidae Beetle Taxonomy and Biogeography
Établissements canadiensUniversity of LethbridgeAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésScarabaeidaeSample (material)MathematicsEcologyBiologyChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract We examined the use of bulk mass to predict the number of individuals in samples of the dung beetle Chilothorax distinctus (Müller) (Coleoptera: Scarabaeidae: Aphodiinae: Aphodiini). We first developed linear regression equations to characterise the relationship between the number of beetles in a sample and sample wet mass, air-dried mass, or oven-dried mass. We then applied these equations to samples containing unknown numbers of beetles to obtain a predicted number. The predicted number was subsequently compared to the number obtained by counting each beetle by hand. Wet mass was as suitable as air-dried or oven-dried mass to estimate beetle numbers and was quicker to obtain. The predicted number of beetles in individual samples based on wet mass deviated from the actual number by 0.6–19.9%. For results combined across samples, the discrepancy was 2.2%. We conclude that quantifying C. distinctus by bulk wet mass rather than by hand count provides a reasonable alternative that accelerates the pace of sample processing while providing substantial cost savings. These results add to the small body of literature assessing the accuracy of bulk insect mass as a predictor for the actual number of individuals in large samples of conspecifics.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,167
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,142
Tête enseignante GPT0,299
Écart entre enseignants0,157 · 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.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian EntomologistMême sujetScarabaeidae Beetle Taxonomy and BiogeographyTravaux en français237 207