MétaCan
Menu
Retour à la cohorte
Enregistrement W3081792434 · doi:10.1093/condor/109.1.216

Foraging Behaviors of Surf Scoters and White-Winged Scoters During Spawning of Pacific Herring

2007· article· en· W3081792434 sur OpenAlexaff
Tyler L. Lewis, Daniel Esler, W. Sean Boyd

Notice bibliographique

RevueOrnithological Applications · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésForagingHerringBiologyClupeaPredationFisheryHerring gullPacific herringAbundance (ecology)ZoologyEcologyFish <Actinopterygii>Larus

Résumé

récupéré en direct d'OpenAlex

Abstract Abstract Winter diets of Surf (Melanitta perspicillata) and White-winged Scoters (M. fusca) are composed primarily of bivalves. During spawning of Pacific herring (Clupea pallasi) in early spring, scoters shift their diets to herring eggs. Using radio-telemetry, we contrasted scoter foraging behaviors between winter and herring spawning periods. Scoters increased their dive durations during herring spawning, likely to maximize the amount of roe consumed per dive; in winter, dives were typically terminated upon clam capture. Scoters spent approximately 50% less time foraging (min underwater hr−1) and decreased their dive rate (dives hr−1) by 70% when feeding on roe. The observed reduction in time spent foraging was presumably caused by the abundance of herring eggs, and thus a reduction in prey search-time. Scoters were able to meet energetic requirements with reduced effort, despite potentially increased demands related to spring fattening. Less time spent foraging may also allow more time for premigratory courtship behaviors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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.

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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrnithological ApplicationsMême sujetFish Ecology and Management StudiesTravaux en français237 207