MétaCan
Menu
← Retour à la cohorte
Enregistrement W3116982406 · doi:10.21203/rs.3.rs-126169/v1

Using Thermodynamics to Improve Bat Houses in Cold Climates

2020· preprint· en· W3116982406 sur OpenAlexaffabout
Amélie Fontaine, Anouk Simard, Julien Dutel, Bryan Dubois, Kyle H. Elliott

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensMinistère des Ressources naturelles et des ForêtsMcGill University
Organismes subventionnairesnon disponible
Mots-clésWildlifeHabitatRange (aeronautics)Environmental scienceOperative temperatureEnergy conservationGeographyThermal comfortEcologyMeteorologyArchitectural engineeringEngineeringAerospace engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Wildlife managers design artificial structures, such as bird and bat houses, to provide alternative habitats that aid wildlife conservation. However, prototypes may not be equally efficient at all sites due to varying climate or habitat characteristics influencing thermal properties. For example, bat houses are a popular measure employed to protect bats and educate citizens, yet bat houses have achieved limited success in cool climates. To address this problem, we tested different orientations and mountings for both traditional and newly designed bat house models based on modern architectural energy saving concepts, by recording temperatures in bat houses across a climate gradient in Quebec, Canada. Bat houses mounted on buildings had warmer conditions at night than those on poles and warmed sooner in the morning when facing east. Our new insulated model with passive heating maximized the time in the extended optimal temperature range (22 − 40 °C) of targeted species by up to 13% compared to the Classic model, providing bats with an estimated average daily energy savings of up to 7.8% when mounted on a building. We conclude that the use of energy-saving concepts from architecture can improve the thermal performance of wildlife structures.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,168
Tête enseignante GPT0,387
Écart entre enseignants0,218 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetBat Biology and Ecology Studies→Travaux en français237 207→