MétaCan
Menu
← Retour à la cohorte
Enregistrement W3108668260 · doi:10.22541/au.160682236.63502812/v1

Larger body size leads to greater female beluga fitness at the southern periphery of their range

2020· preprint· en· W3108668260 sur OpenAlexaffabout
Steven H. Ferguson, David J. Yurkowski, Justine Hudson, Tera Edkins, Cornelia Willing, Cortney A. Watt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésBeluga WhaleBelugaRange (aeronautics)BiologyArcticReproductive successBayEcologyPopulationReproductionZoologyWhaleDemographyGeography

Résumé

récupéré en direct d'OpenAlex

Identifying phenotypic characteristics of evolutionarily fit individuals provides important insight into the evolutionary processes that cause range shifts with climate warming. Female beluga whales (Delphinapterus leucas) from the Canadian high Arctic (BB) residing in the core region of the species’ geographic range are 14% larger than their conspecifics at the southern periphery in Hudson Bay (HB). We investigated the causal mechanism for this north (core)-south (periphery) difference as it relates to fitness by combining morphometric data with ovarian corpora counted in female reproductive tracts. We found evidence for reproductive senescence in older HB females from the southern peripheral population but not for BB whales. Female beluga whale fitness in the more-northern BB increased faster with age (48% partial variation explained) versus a more gradual slope (25%) in HB. In contrast, body length in HB female beluga accounted for five times more of the total variation in fitness compared to BB whales. We speculate that female HB beluga fitness was more strongly linked with body length due to higher density, as larger body size provides survival advantages during seasonal food limitations. Understanding the evolutionary mechanism of how fitness changes will assist conservation efforts in anticipating and mitigating future challenges to peripheral populations.

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)0,000
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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0040,000

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 Opus0,032
Tête enseignante GPT0,244
Écart entre enseignants0,212 · 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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMarine animal studies overview→Travaux en français237 207→