MétaCan
Menu
Retour à la cohorte
Enregistrement W4206498899 · doi:10.1515/ami-2020-0111

Walking on water: terrestrial mammal migrations in the warming Arctic

2021· article· en· W4206498899 sur OpenAlexafffund
Dominique Berteaux, Sandra Lai

Notice bibliographique

RevueAnimal Migration · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaArcticNet
Mots-clésArcticMammalThe arcticClimate changeSnowEcologyMarine mammalArctic ecologyGeographyEnvironmental scienceOceanographyBiologyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract Caribou and reindeer migrations are the tip of the iceberg when one considers migration among the 70 species of Arctic terrestrial mammals. About 26% of species indeed have migratory individuals, while 33% are non-migratory and 41% are data deficient. Such figures demonstrate the need to both better document and better understand seasonal movements in these vertebrates. Whereas spatiotemporal variations in resources are key drivers of Arctic terrestrial mammal migrations, the changes of water phase around 0°C, from liquid to solid and vice versa, have considerable impacts given that liquid water, snow, and ice differ so strongly in their physical properties. We explore how the interplay between resources and water phase shape Arctic terrestrial mammal migrations, demonstrate that a rich set of research questions emerges from this interaction, and introduce new concepts such as the micro-migrations of small mammals. We also list key questions about the migrations of Arctic terrestrial mammals, with emphasis on the impacts of climate change. We conclude by arguing that the strong exposure of the Arctic to climate change, combined with the quick development of biologging techniques, rapidly increase both the need and the capacity to enhance our knowledge of migration in Arctic terrestrial mammals.

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 enseignants0,050
Score d'incertitude au seuil0,099

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,214 · 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimal MigrationMême sujetWildlife Ecology and ConservationTravaux en français237 207