MétaCan
Menu
Retour à la cohorte
Enregistrement W4407792659 · doi:10.1007/s10750-024-05765-2

Range-wide ecology, conservation, and research needs for yellow lampmussel (Lampsilis cariosa)

2025· article· en· W4407792659 sur OpenAlexaboutno aff
Stefanie J. Farrington, C. Murphy, David L. Perkins, Allison H. Roy

Notice bibliographique

RevueHydrobiologia · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyU.S. Fish and Wildlife Service
Mots-clésEcologyRange (aeronautics)BiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The freshwater mussel yellow lampmussel ( Lampsilis cariosa ) is declining throughout its range along the Atlantic Slope of the eastern United States and Canada, and the species is a target for proactive conservation to avoid federal listing. This paper synthesizes information about the ecology (physiology and life history, host fishes, and habitat), species distribution, genetics, and threats to L. cariosa . Identified threats include climate change, habitat alteration, and invasive species, dependent on location. We outline 16 emergent research and conservation management needs based on literature review and discussion with stakeholders (state and federal mussel biologists, researchers, and tribal groups). These needs range from research on the basic physiology and behavior of the species, to creating standardized protocols for surveys and DNA sampling, to ultimately developing a range-wide species conservation and restoration plan. Addressing these information gaps and incorporating the findings into future management may facilitate the implementation and success of large-scale restoration and conservation initiatives such as habitat protection and reintroduction of L. cariosa to historical locations.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,304
Écart entre enseignants0,274 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrobiologiaMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207