MétaCan
Menu
← Retour à la cohorte
Enregistrement W6911127320 · doi:10.5061/dryad.t76hdr819

Data from: Vertebrate scavenging dynamics differ between carnivore and herbivore carcasses in the northern boreal forest

2021· dataset· en· W6911127320 sur OpenAlexaffabout

Notice bibliographique

RevueOpen MIND · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of TorontoMcGill UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCarnivoreHerbivoreCarrionScavengingFood webTaigaGuildOmnivoreSpecies richness

Résumé

récupéré en direct d'OpenAlex

Vertebrate scavenging can impact food web dynamics, but our understanding of this process stems predominantly from monitoring herbivore carrion and extrapolating results across carcass types. Recent evidence suggests carnivores may avoid intraguild scavenging to reduce parasite transmission. If this behavior is widespread across diverse ecosystems, estimation of nutrient cycling and community scavenging rates are likely biased to a currently unknown degree. We examined whether the time to initiate scavenging, carcass persistence, or the richness of species scavenging in the boreal forest of Yukon, Canada, differed between carnivore and herbivore carcasses. Vertebrates took longer to initiate scavenging on carnivore carcasses (3.2 days) relative to herbivore carcasses (1.1 days), and carnivore carcasses persisted on the landscape for over a month longer (48.4 days and 5.5 days, respectively). The longer persistence times were due to the reduction in scavenging by carnivores such as Canada lynx (Lynx canadensis). Decreased scavenging was caused by changes in the propensity to consume carnivore carrion, as the number of species detecting a carcass within the first week did not differ between carnivore and herbivore carcasses. These results have ramifications for our understanding of nutrient cycling and food web dynamics in the boreal forest, and provide further support that carcass type should be included in future studies.

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 enseignants0,117
Score d'incertitude au seuil0,233

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
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,017

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 Opus0,073
Tête enseignante GPT0,330
Écart entre enseignants0,257 · 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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→