MétaCan
Menu
Retour à la cohorte
Enregistrement W6921411237 · doi:10.6084/m9.figshare.c.7900925

Supplementary material from "Giant mice on small islands: Biogeographic and ecological differences contribute to gigantism in island populations"

2025· other· en· W6921411237 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGigantismMainlandSpecies richnessEndemismInsular biogeographyMediterranean IslandsBiogeographyPredator

Résumé

récupéré en direct d'OpenAlex

Island populations of small land vertebrates frequently exhibit insular gigantism, presenting with larger body sizes in comparison to mainland counterparts. While insular gigantism has been observed globally, the effects of biogeographic and ecological factors on body size in island systems are not well understood. Here we examine the biogeographic and ecological associations of insular gigantism. Deer Mice (Peromyscus maniculatus) were live trapped and body mass measured on six of the Gulf Islands and the nearby mainland of British Columbia, Canada. Biogeographic measures of land area and island distance from the mainland and the ecological measure of predator species richness were used in piecewise structural equation modeling to identify associations with insular gigantism. We found evidence of insular gigantism in the Gulf Islands system, with island mice having a larger mean body mass than mainland populations. Land area was positively associated with predator species richness, and predator species richness had a strong negative effect on Deer Mouse body mass, resulting in the observed pattern of insular gigantism. The concurrent analysis of biogeographic and ecological factors contributes to a better understanding of the evolution of insular gigantism in small vertebrates and its juxtaposition to the phenomenon of insular dwarfism of large vertebrates.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,5210,002

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 Opus0,036
Tête enseignante GPT0,265
Écart entre enseignants0,229 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareTravaux en français237 207