MétaCan
Menu
← Retour à la cohorte
Enregistrement W3119182171 · doi:10.1139/cjfas-2020-0339

Small biased body size of salmon fry preyed upon by piscivorous fish in riverine and marine habitats

2021· article· en· W3119182171 sur OpenAlexvenueno aff
Koh Hasegawa, Kentaro Honda, Taku Yoshiyama, Kengo Suzuki, Sho Fukui

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésPredationOncorhynchusFish measurementBiologyFisheryPiscivorePredatorHatcheryHabitatEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Predator–prey interactions must be considered when aiming to enhance populations by releasing artificially reared individuals into natural environments. Released individuals create an abundance of prey for predators, and a basic hypothesis of predator–prey interactions suggests that predators select large prey due to the high caloric content. An alternative hypothesis is that small individuals are vulnerable to predation due to their poor predator avoidance. This study tested these hypotheses using stocked chum (Oncorhynchus keta) and masu (Oncorhynchus masou) salmon fry and piscivorous salmonids in marine and riverine habitats in Hokkaido, Japan. Stomach contents were sampled from predators, and fork length of prey fry was measured. Then, their fork length was compared with whole stocked fry (range of mean fork length (±SD): 45.8 ± 2.55 to 49.2 ± 2.76 mm) for each habitat. As a result, prey fry were ∼3%–6% smaller than whole stocked fry, even under a prey-abundant condition (i.e., just after hatchery reared salmon fry were stocked). Piscivorous salmonids pursue schooling fry, and small fry may be easily caught due to their slow speed in avoiding predators.

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 enseignants0,010
Score d'incertitude au seuil0,020

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,193
Écart entre enseignants0,181 · 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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→