MétaCan
Menu
Retour à la cohorte
Enregistrement W4232042649 · doi:10.1121/1.4799249

Acoustic invasion: How invasive species can impact native species acoustic niche?

2013· article· en· W4232042649 sur OpenAlexaff
Camila Both, Taran Grant

Notice bibliographique

RevueProceedings of meetings on acoustics · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAnimal Vocal Communication and Behavior
Établissements canadiensMontreal Heart Institute
Organismes subventionnairesnon disponible
Mots-clésInvasive speciesBiologyBullfrogNicheLithobatesIntroduced speciesPredationEcologyZoology

Résumé

récupéré en direct d'OpenAlex

The effects of invasive species on native taxa due to direct predation, food and space competition, and disease transmission are well documented. However, the effects of acoustic invaders on animal communication have not been explored. We simulated an invasion of the acoustic niche by exposing calling native male white-banded tree frogs (Hypsiboas albomarginatus, harmonics at 60-1430 Hz and 2720-2780 Hz or 2280-2850 Hz) to recorded calls of the invasive American bullfrog (Lithobates catesbeianus, frequencies from 90 to >4000 Hz) at a non-invaded site in the Brazilian Atlantic Forest. In response, tree frogs immediately shifted calls to significantly higher frequencies. In the post-stimulus period, they continued to use higher frequencies and also decreased signal duration. Tree frogs did not change calling rate or inter-call interval. Acoustic signals are the primary basis of mate selection in many anurans, and such changes could negatively affect the reproductive success of native species. The effects of bullfrog vocalizations on acoustic communities are expected to be especially severe due to their broad frequency band, which masks the calls of multiple species simultaneously. These results show that invasive species could affect native species by interfering in their acoustic niche.

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 enseignants0,004
Score d'incertitude au seuil0,008

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetAnimal Vocal Communication and BehaviorTravaux en français237 207