MétaCan
Menu
Retour à la cohorte
Enregistrement W4322760545 · doi:10.1093/jmammal/gyad007

Population distribution and causes of mortality of smooth-coated otters, <i>Lutrogale perspicillata</i>, in Singapore

2023· article· en· W4322760545 sur OpenAlexaff
Anusha Shivram, N. Sivasothi, Chia‐Da Hsu, Karen E. Hodges

Notice bibliographique

RevueJournal of Mammalogy · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOtterGeographyWildlifeHabitatPopulationLutraDistribution (mathematics)MustelidaeEcologyFisherySocioeconomicsEnvironmental protectionDemographyBiology

Résumé

récupéré en direct d'OpenAlex

) were transient in Singapore before one resident family group was observed in 1998, presumably having recolonized from Peninsular Malaysia. A population survey in 2017 revealed a minimum of 11 groups and 79 individuals. Since then, movements of otter groups within urban areas have led to increasing numbers of human-otter encounters, including conflicts. We determined the current abundance, population structure, and distribution of smooth-coated otters in Singapore. We assessed seven sampling zones nationwide through verified sighting records and social media. Mortality records from 2019 to 2021 were sourced from the Otter Working Group and Wildlife Reserves Singapore. In early 2021, there were a minimum of 17 groups and 170 individuals. Groups ranged from 2 to 24 individuals. Smooth-coated otters occupy coastal areas, waterways, reservoirs, and sites within the city center in urban gardens and ponds. Following territorial conflicts at waterways, smooth-coated otter groups moved into the urban matrix. Vehicle collisions are the main cause of mortality and are frequent at dams separating freshwater and coastal habitats. While there is a clear increase in smooth-coated otter numbers since 2017, there remain multiple natural and human-caused threats to otter persistence.

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)0,000
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 enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,250
Écart entre enseignants0,233 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MammalogyMême sujetWildlife Ecology and ConservationTravaux en français237 207