MétaCan
Menu
← Retour à la cohorte
Enregistrement W3121366724 · doi:10.1139/cjfas-2020-0121

Effects of a diatom ecosystem engineer (<i>Didymosphenia geminata</i>) on stream food webs: implications for native fishes

2021· article· en· W3121366724 sur OpenAlexvenueno aff
Niall G. Clancy, Janice Brahney, James L. Dunnigan, Phaedra Budy

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTroutTrophic levelEcologySculpinBenthic zoneCottusDiatomSTREAMSFood webBiologyAbundance (ecology)InvertebrateEnvironmental scienceEcosystemLake ecosystemFisheryHabitatFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Stream habitat changes affecting primary consumers often indirectly impact secondary consumers such as fishes. Blooms of the benthic algae Didymosphenia geminata (Didymo) are known to affect stream macroinvertebrates, but the potential indirect trophic impacts on fish consumers are poorly understood. In streams of the Kootenai River basin, we quantified the diet, condition, and growth rate of species of trout, char, and sculpin. In 2018, macroinvertebrate taxa composition was different between a stream with Didymo and a stream without, but trout diets, energy demand, and growth rates were similar. Trout abundance was higher in the stream with Didymo, but the amount of drifting invertebrates was higher in the stream without. In 2019, we surveyed 28 streams with a gradient of coverage. Didymo abundance was correlated only with the percentage of aquatic invertebrates in trout diets and was not related to diets of char or sculpin or condition of any species. Thus, we found no evidence for a trophic link between Didymo blooms and the condition or growth of trout, char, or sculpin in mountainous headwater streams.

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)0,001
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,198
Écart entre enseignants0,190 · 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

Citations6
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→