MétaCan
Menu
Retour à la cohorte
Enregistrement W4404310048 · doi:10.1139/as-2024-0056

Building the foundation for polar bear science: fifty years of research on polar bears in Western Hudson Bay

2024· article· en· W4404310048 sur OpenAlexafffundvenueabout
Brooke A. Biddlecombe, Andrew E. Derocher, Elizabeth Krebs, Nicholas J. Lunn, David McGeachy, Evan S. Richardson

Notice bibliographique

RevueArctic Science · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of AlbertaEnvironment and Climate Change Canada
Organismes subventionnairesGovernment of Canada
Mots-clésBayPolarFoundation (evidence)Ursus maritimusGeographyArchaeologyPhysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

In 1966, Environment and Climate Change Canada (ECCC) (then Canadian Wildlife Service) initiated a research program on polar bears ( Ursus maritimus, Phipps, 1774) belonging to the Western Hudson Bay subpopulation (WH). This paper provides an overview of that program, highlighting the long-term research on WH polar bears with a focus on ECCC-led work. The WH research program, which has now extended across five decades with data on over 4600 individual bears, has evolved from a study of the basic ecology of polar bears into foundational work on the life history, demography, genetics, movement, behaviour, and ecology of an apex predator in a rapidly changing Arctic. Research on polar bears in Canada supports commitments under the Agreement on the Conservation of Polar Bears (1973), the Convention on Biological Diversity (1992), and Canada’s Species at Risk Act (2002). Among Canada’s 13 polar bear subpopulations, only WH has sufficient long-term monitoring of individuals to assess demographic, behavioural, and life history consequences of climate change and other anthropogenic stressors. Future research should continue to ask key questions on how long-term environmental changes impact the ecology of polar bears. Integrating community priorities into the research program is necessary for it to continue to be successful in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,332
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,065
Tête enseignante GPT0,385
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetMarine animal studies overviewTravaux en français237 207