MétaCan
Menu
← Retour à la cohorte
Enregistrement W6893941031 · doi:10.5281/zenodo.5816261

Data from: Local population collapse of Ross's and lesser snow geese driven by failing recruitment and diminished philopatry

2022· other· en· W6893941031 sur OpenAlexaffabout

Notice bibliographique

RevueOpen MIND · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPhilopatryGoosePopulationJuvenileSnowFecundityArcticNest (protein structural motif)Population growth

Résumé

récupéré en direct d'OpenAlex

We estimated survival and per capita production of young, as well as emigration and immigration, from 1997 to 2017 in Ross's goose Anser rossii and lesser snow goose Anser caerulescens caerulescens, which are sympatric species of migratory birds that nest in the central Canadian Arctic at one of the largest breeding colonies in North America. We formed age-structured integrated population models for each species that jointly analyzed live and dead encounter data as well as breeding adult population size and fecundity data to understand drivers of population dynamics. We compared the demography between species because both species increased during the 1990s and early 2000s yet thereafter snow geese declined, while Ross's geese continued to increase, then stabilized and similarly declined. Declines in Ross's and snow goose populations were caused by reduced per capita production of young, and juvenile survival, as well as increased adult and juvenile emigration. Stronger declines in juvenile survival in snow geese explain their earlier population decline compared to Ross's geese. Despite the divergence in population trends in Ross's and snow geese, we found strong synchrony in demographic rates which suggested substantial emigration from this colony and similar responses to environmental conditions. We provide a novel m-array implementation specific to a multi-state Burnham model which greatly improved computational efficiency and convergence of posterior estimates.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0020,001

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 Opus0,131
Tête enseignante GPT0,366
Écart entre enseignants0,234 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→