MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403054924 · doi:10.1101/2024.10.01.616033

Social facilitation of risky habitats in woodland caribou: responses to fire and roads

2024· preprint· en· W4403054924 sur OpenAlexaff
Jack G. Hendrix, Carissa D. Brown, John W. Gosse, Eric Vander Wal

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensParks CanadaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésWoodland caribouWoodlandFacilitationHabitatGeographySocial facilitationEcologyPsychologyBiologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Habitat change and subsequent trophic effects remain the dominant hypothesis for woodland caribou (Rangifer tarandus) population declines. Boreal forests are undergoing rapid changes, including expanding linear features and climate-induced increased wildfire activity. Within these landscapes caribou habitat selection and movement ought to maximize benefits while mitigating costs, e.g. predation risk, but spatial locations are likely not fixed in their cost-benefit ratio. For caribou, costs and benefits may vary seasonally and by social context. To test the effects of season and social context on caribou movement and selection of potentially risky habitats, we used a socially informed integrated step selection analysis (iSSA). We tested responses to two forms of risk in Terra Nova National Park, NL: roads and areas burned 2 - 75 years prior. Caribou avoided areas near roads irrespective of season. Burned area avoidance varied by season and burn age. Caribou avoided roads less and selected burns more in a social context. Social facilitation may permit the use of areas that were functionally unavailable to animals that were not in groups. As the most at-risk populations of woodland caribou exist at low density in highly disturbed landscapes, our results highlight the importance of considering sociality in maintaining access to resources.

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 enseignants0,017
Score d'incertitude au seuil0,033

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 Opus0,011
Tête enseignante GPT0,232
Écart entre enseignants0,222 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFire effects on ecosystems→Travaux en français237 207→