MétaCan
Menu
Retour à la cohorte
Enregistrement W4249998940 · doi:10.2307/2679986

Demographic Responses to Food and Space Competition by Juvenile Steelhead Trout

2001· article· en· W4249998940 sur OpenAlexaff
Ernest R. Keeley

Notice bibliographique

RevueEcology · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésJuvenileTroutCompetition (biology)EcologyRainbow troutFisheryBiologyGeographyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

I conducted two experiments in artificial stream channels, manipulating density of competitors, food abundance, and the possibility of emigration, to test whether density-dependence can operate through these factors in populations of a stream-dwelling salmonid fish, juvenile steelhead trout (Oncorhynchus mykiss). In the absence of emigration, increasing levels of per capita food competition increased mortality, decreased growth, and increased the variance in size distributions of surviving individuals. Smaller fish were more likely to occupy less profitable areas of the stream channel than larger individuals and did so with increasing frequency as food abundance decreased and stocking density increased. When I allowed fish to emigrate from the stream channels, food and stocking density again influenced mortality, growth, and size distributions of survivors. Emigration was more likely at increasing levels of per capita competition; emigrants were smaller and in poorer condition than nonemigrants. The ability to emigrate from a population appears to normalize final size distributions and increase mean fish size within the stream channels. Thus, although both food and space are important factors shaping the demography of stream salmonid populations, neither appears to limit salmonid abundance exclusively.

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 technologies0,0000,000
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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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

Citations151
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetFish Ecology and Management StudiesTravaux en français237 207