MétaCan
Menu
Retour à la cohorte
Enregistrement W3032347308 · doi:10.1098/rspb.2019.2978

Global determinants of prey naiveté to exotic predators

2020· article· en· W3032347308 sur OpenAlexafffund
Andrea Antón, Nathan R. Geraldi, Anthony Ricciardi, Jaimie T. A. Dick

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMcGill University
Organismes subventionnairesDirectorate for Biological SciencesNatural Sciences and Engineering Research Council of CanadaQueen's UniversityNatural Environment Research CouncilQueen's University Belfast
Mots-clésPredationBiologyEcologyPredatorAdaptation (eye)Extinction (optical mineralogy)

Résumé

récupéré en direct d'OpenAlex

Prey naiveté-the failure of prey to recognize novel predators as threats-is thought to exacerbate the impact that exotic predators exert on prey populations. Prey naiveté varies under the influence of eco-evolutionary mediating factors, such as biogeographic isolation and prey adaptation, although an overall quantification of their influence is lacking. We conducted a global meta-analysis to test the effects of several hypothesized mediating factors on the expression of prey naiveté. Prey were overall naive towards exotic predators in marine and freshwater systems but not in terrestrial systems. Prey naiveté was most pronounced towards exotic predators that did not have native congeneric relatives in the recipient community. Time since introduction was relevant, as prey naiveté declined with the number of generations since introduction; on average, around 200 generations may be required to erode naiveté sufficiently for prey to display antipredator behaviour towards exotic predators. Given that exotic predators are a major cause of extinction, the global predictors and trends of prey naiveté presented here can inform efforts to meet conservation targets.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,244
Écart entre enseignants0,211 · 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

Citations108
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetFish Ecology and Management StudiesTravaux en français237 207