Do turtle roadkill hotspots shift from year to year?
Notice bibliographique
Résumé
Freshwater turtles face many threats but roadkill is one of the most serious for many species. Roadkill of turtles is not uniformly distributed across roads but aggregated in certain areas, termed hotspots. A key question in identifying hotspots is whether they are fixed locations or if they shift from year to year because of changes in movement patterns. We compared how one, two, and three years of road survey data compared with the pooled data from four years of surveys. We found 254 turtles during 73 surveys during four years along a 15.5 km road section in Ottawa, Ontario, Canada. The four years of pooled data produced four hotspots (“pooled hotspots”) while each year or combination of years produced from three to five hotspots, four of which approximately corresponded to the pooled hotspots. The average percentage overlap of hotspots between one, two, or three years of survey data and the pooled hotspots ranged from 58.7% to 88.9%. Just one year of surveys sometimes missed one of the pooled hotspots, underestimated the spatial extent of the pooled hotspots, and also sometimes produced an additional “temporary” hotspot. Two years of surveys generally produced better approximations of the pooled hotspots and better identified the spatial extent of those hotspots.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».