MétaCan
Menu
Retour à la cohorte
Enregistrement W6929954340 · doi:10.5061/dryad.rp5ht80

Data from: Better the devil you know? how familiarity and kinship affect prey responses to disturbance cues

2018· dataset· en· W6929954340 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomaineMathematics
ThématiqueAdvanced Statistical Methods and Models
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPredationDisturbance (geology)PredatorSensory cueKin recognitionEavesdroppingAlarm signal

Résumé

récupéré en direct d'OpenAlex

Prey can greatly improve their odds of surviving predator encounters by eavesdropping on conspecific risk cues, but the reliability of these cues depends on both previous accuracy as well as the cue’s relevance. During a predator chase, aquatic prey release chemical disturbance cues that may vary in their reliability depending on the individuals receiving them. Thus, prey may rely differentially on disturbance cues from familiar individuals (due to previous experience) or from kin (due to their relatedness). We examined the responses of wood frog (Lithobates sylvaticus) tadpoles to disturbance cues from familiar vs. unfamiliar conspecifics and kin vs. non-kin. In accordance with our prediction, tadpoles responded differently to disturbance cues from familiar vs. unfamiliar conspecifics. Tadpoles receiving disturbance cues from unfamiliar individuals displayed a fright response, whereas tadpoles ignored disturbance cues from familiar individuals. Tadpoles may have habituated to familiar cues since they were unaccompanied by a true threat, hence rendering these cues functionally unreliable. Tadpoles responded similarly to disturbance cues from related and unrelated individuals suggesting they were similarly reliable and this mirrors the matching reliability of prey responses to damage-released alarm cues from kin and non-kin. Our findings shed light on a seldom-studied chemical communication system in aquatic prey.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,026
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,024

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 Opus0,152
Tête enseignante GPT0,404
Écart entre enseignants0,253 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetAdvanced Statistical Methods and ModelsTravaux en français237 207