Notice bibliographique
Résumé
Understanding the biogeography of a species begins by mapping its presence over time and space. The use of home ranges, breeding and feeding areas, migration paths and movement patterns between the two are also inherent to their ecology. However, this is an overly simplified view of life histories. It ignores nuanced and complex exchanges and responses to the environment and between conspecifics. Having previously advocated for a more species-centric approach in a discussion of ‘whale geography’, I look to better understand the driving factors of migrations, and the information streams guiding the movement, which is key to the biogeography of large whale species. First, I consider the processes underlying the navigation capacities of species to complete migration, and how, and over what scales, sensory information contributes to cognitive maps. I specifically draw on examples of large-scale, en masse migrators to then apply this to whales. I focus on the acoustic sense as the principal way whales gain and exchange information, drawing on a case study of grey whale ( Eschrichtius robustus) calling behaviour to illustrate my arguments. Their consistent employment of far-propagating calls appears to be tied to travel behaviours and probably aids navigation and social cohesion. The range over which calls are being propagated to conspecifics, or perhaps being echoed back to the individual, underlies the distance over which the cognitive maps are being both formed and employed. I believe understanding these processes edges us closer to understanding species biogeography.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».