MétaCan
Menu
Retour à la cohorte
Enregistrement W6894341454 · doi:10.5441/001/1.384g5hc7/1

Long-tailed Jaeger - PTT - Canadian Arctic

2022· dataset· en· W6894341454 sur OpenAlexaboutno aff

Notice bibliographique

RevueMovebank · 2022
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForagingArcticSpring (device)Resource (disambiguation)ProductivityThe arcticHabitatAnnual cycle

Résumé

récupéré en direct d'OpenAlex

Long-distance migratory seabirds need to adjust their migration strategy according to internal (breeding, molting) and external factors (seasonality, resource availability). Time-minimizing strategies are common during spring migration to arrive at the optimal time to breed. We studied the annual movements and migration strategy of the long-tailed jaeger Stercorarius longicaudus, a small arctic-nesting seabird. First, we documented year-round movements (routes, wintering sites) of male and female jaegers breeding in the Canadian Arctic. We then compared their migration strategies between seasons (phenology, stopover use, travel distance, speed) to determine whether they adopt a time-minimizing strategy in spring. Over 6 yr, we collected 43 tracks from geolocators deployed on Bylot and Igloolik Islands. Jaegers departed the breeding site over a 5 wk period and traveled on average 32375 km (round trip) before returning to breed, one of the longest documented migrations on Earth. Birds used a major stopover area east of the Grand Banks of Newfoundland in spring and fall, and wintered in high marine productivity areas of the South Atlantic. Unexpectedly, the spring migration was 40% longer and 32% slower than in fall, and birds increased their time spent on water (foraging and/or resting) by 61%. A time-minimizing strategy in fall may help to reach the wintering site rapidly and start molting early. In spring, a fly-and-forage strategy seems to be adopted to increase foraging effort, probably for the accumulation of body reserves before breeding and in anticipation of unfavorable conditions that may prevail at arrival on their arctic breeding site.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,131
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,231 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueMovebankTravaux en français237 207