MétaCan
Menu
Retour à la cohorte
Enregistrement W3002956549 · doi:10.1139/as-2019-0017

Changes in the distribution of nesting Arctic seaducks are not strongly related to variation in polar bear presence

2020· article· en· W3002956549 sur OpenAlexaffvenueabout
Cody J. Dey, Christina A. D. Semeniuk, Samuel A. Iverson, H. Grant Gilchrist

Notice bibliographique

RevueArctic Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésEiderArcticEcologyPredationGeographySpatial variabilitySpatial ecologyPolarPopulationPhysical geographyBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Contemporary climate change is predicted to expose some species to altered predation regimes. Losses of Arctic sea ice are causing polar bears to increasingly forage on colonial seaduck eggs in lieu of ice-based hunting of marine mammals. Although polar bear predation of bird eggs has now been widely documented, it is unclear whether this change in predator behavior is having population-level consequences for Arctic breeding birds. In this study, we tested whether changes in the number of common eider nests on 76 islands in Hudson Strait, Canada, were related to variation in polar bear presence. We found that polar bear sign detected during eider breeding surveys was strongly correlated with spatial patterns of polar bears observed during aerial surveys. However, changes in eider nest count did not appear to be clearly related to polar bear sign at either the island scale or the island-cluster scale. This results of this study, therefore, suggest that the spatial overlap between eiders and polar bears varies across the landscape, but patterns of polar bear spatial variation do not seem to have driven large-scale redistribution of nesting common eiders.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,211
Score d'incertitude au seuil0,419

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,255
Écart entre enseignants0,225 · 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

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetMarine animal studies overviewTravaux en français237 207