MétaCan
Menu
← Retour à la cohorte
Enregistrement W6911103056 · doi:10.5061/dryad.7wm37pvnh

Data from: Microhabitat complexity influences fear acquisition in fathead minnows

2019· dataset· en· W6911103056 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of SaskatchewanConcordia University
Organismes subventionnairesnon disponible
Mots-clésPopulationStaringExclosureNucleofection

Résumé

récupéré en direct d'OpenAlex

Habitat varies in structure, with animals often preferring a certain degree of microhabitat complexity that facilitates fitness-related activities such as predator avoidance. Environments with high predation risk can induce elevated baseline fear and neophobia in prey, but whether microhabitat complexity influences the acquisition of neophobia has yet to be reported. Here, we tested whether exposure to predation risk induces different levels of fear in microhabitats that differed in complexity. We exposed fathead minnows, Pimephales promelas, to predation risk repeatedly (12 times over 4 days) in the form of damage-released chemical alarm cues (compared to a water control) in tanks with vertical plant structure distributed either throughout the tank (complex habitat) or clumped together (simple habitat). Then, we tested minnows before and after exposure to a novel odor in tanks with either the same microhabitat complexity (i.e., familiar habitats) or in tanks with novel habitat that had different substrate structure but no vertical structure. Minnows in the complex habitat showed less overall movement one day after the background risk period, whereas individuals in the simple habitat showed reduced movement regardless of prior risk exposure. We observed stronger effects in the novel habitat, where background risk in both simple and complex habitats caused neophobia. However, individuals from the simple background habitat showed higher baseline fear behaviors. Hence, for minnows, low microhabitat complexity appears to lead to elevated fear which remains even after a habitat change.

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)0,001
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 enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0260,004

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 Opus0,146
Tête enseignante GPT0,325
Écart entre enseignants0,179 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Travaux en français237 207→