MétaCan
Menu
Retour à la cohorte
Enregistrement W6892073294 · doi:10.5061/dryad.2jm63xsqh

Data from: Environmental drivers of population-level variation in the migratory and diving ontogeny of an Arctic top predator

2022· dataset· en· W6892073294 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNatural Environment Research Council
Mots-clésArcticForagingOntogenyApex predatorPredationSea icePredatorForage

Résumé

récupéré en direct d'OpenAlex

The development of migratory strategies that enable juveniles to survive to recruitment is critical for species that exploit seasonal niches. For animals that forage via breath-hold diving this requires a combination of both physiological and foraging skill development. Here, we assess how migratory and dive behaviour develop over the first months of life for a migratory Arctic top predator, the harp seal, tracked using animal-borne satellite relay data loggers. We reveal similarities in migratory movements and differences in diving behaviour between juveniles from breeding populations in the Northwest Atlantic and Greenland Sea. In both regions, periods of resident and transient behaviour during migration were associated with proxies for food availability; sea ice concentration and water depth. However, while ontogenetic development of dive behaviour was similar for both groups of juveniles over the first 25 days, after this time Greenland Sea animals performed shorter and shallower dives and were more closely associated with sea ice than Northwest Atlantic animals. Together, these results highlight the role of both intrinsic and extrinsic factors in shaping early-life behaviour. Differences in the environmental conditions experienced during early-life may shape how populations respond to the rapid changes occurring in the Arctic ocean ecosystem.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,015

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 Opus0,093
Tête enseignante GPT0,289
Écart entre enseignants0,196 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareTravaux en français237 207