MétaCan
Menu
← Retour à la cohorte
Enregistrement W6929600752 · doi:10.5061/dryad.r8c3b

Data from: Discrimination of grasshopper (Orthoptera: Acrididae) diet and niche overlap using next-generation sequencing of gut contents

2015· dataset· en· W6929600752 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2015
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésNicheGrasshopperEcological nicheGeneralist and specialist speciesCompetition (biology)Environmental niche modelling

Résumé

récupéré en direct d'OpenAlex

Species of grasshopper have been divided into three diet classifications based on mandible morphology: forbivorous (specialist on forbs), graminivorous (specialist on grasses), and mixed feeding (broad-scale generalists). For example, Melanoplus bivittatus and Dissosteira carolina are presumed to be broad-scale generalists, Chortophaga viridifasciata is a specialist on grasses, and Melanoplus femurrubrum is a specialist on forbs. These classifications, however, have not been verified in the wild. Multiple specimens of these four species were collected, and diet analysis was performed using DNA metabarcoding of the gut contents. The rbcLa gene region was amplified and sequenced using Illumina MiSeq sequencing. Levins' measure and the Shannon–Wiener measure of niche breadth were calculated using family-level identifications and Morisita's measure of niche overlap was calculated using operational taxonomic units (OTUs). Gut contents confirm both D. carolina and M. bivittatus as generalists and C. viridifasciata as a specialist on grasses. For M. femurrubrum, a high niche breadth was observed and species of grasses were identified in the gut as well as forbs. Niche overlap values did not follow predicted patterns, however, the low values suggest low competition between these species.

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: Jeu de données
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,009

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 Opus0,269
Tête enseignante GPT0,340
Écart entre enseignants0,071 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→