MétaCan
Menu
Retour à la cohorte
Enregistrement W4416862867 · doi:10.1121/10.0039964

Ice-generated sound and its potential masking effects on bearded seal vocalizations in the western Canadian Arctic

2025· article· en· W4416862867 sur OpenAlexafffundabout
Najeem Shajahan, William D. Halliday, C. A. Hart, Ruwan Abeywardhana, Fábio Frazão, David R. Barclay, Andrea Niemi, Stephen J. Insley

Notice bibliographique

RevueJASA Express Letters · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensGovernment of CanadaFisheries and Oceans CanadaDalhousie UniversityWildlife Conservation Society CanadaUniversity of Victoria
Organismes subventionnairesFisheries and Oceans CanadaFisheries Joint Management CommitteeWildlife Conservation Society
Mots-clésAuditory maskingMasking (illustration)Sound (geography)AudiogramArcticBioacousticsSeal (emblem)Marine mammal

Résumé

récupéré en direct d'OpenAlex

Quantifying acoustic masking due to noise sources is an important part of marine mammal conservation. This study examines the relative masking of bearded seal vocalizations by ice-generated sounds, using passive acoustic data collected from the western Canadian Arctic. Broadband ice sound events and bearded seal calls were extracted from acoustic recordings, and masking potential was estimated using the listening space reduction (LSR) metric, based on the bearded seal audiogram and propagation loss in an ice-covered environment. Results indicate that bearded seal vocal activity decreased with increasing LSR and ambient sound exposure levels, suggesting a potential behavioural adjustment to elevated ice sound levels that warrants further investigation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,100
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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.

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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJASA Express LettersMême sujetMarine animal studies overviewTravaux en français237 207