MétaCan
Menu
← Retour à la cohorte
Enregistrement W6930332347 · doi:10.5281/zenodo.11368996

Data from: Mating tactic influences body condition loss in Rocky Mountain bighorn rams (Ovis canadensis)

2024· other· en· W6930332347 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typeother
Langueen
DomaineMedicine
ThématiqueGastrointestinal motility and disorders
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMatingPolygynySireSeasonal breederMate choiceMating systemSexual selectionReproduction

Résumé

récupéré en direct d'OpenAlex

In polygynous mating systems, males often employ alternative mating tactics to enhance reproductive success. In Rocky Mountain bighorn sheep, the primary tactics are coursing, involving mating chases, and tending, involving mate guarding. While both tactics are energetically costly and can diminish body condition, it remains unclear whether the associated costs significantly differ and to what extent. Our study investigated the impact of mating tactics, specifically the proportion of time allocated to each, on body condition loss during the rutting season in bighorn sheep. Using a non-invasive photographic method to estimate body condition loss, we found that the proportion of time a male spent tending significantly correlated with body condition loss. In contrast, the percentage of time spent coursing did not show a significant effect. Age was associated with the choice of tactic, with younger males predominantly coursing, older males primarily tending, and some intermediate-aged males employing both tactics concurrently. Despite the higher energetic costs, our results reveal the flexibility in tactic usage and indicate that tending, while demanding, is a high-cost, high-gain strategy, as tending rams are known to sire more offspring.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,054
Tête enseignante GPT0,304
Écart entre enseignants0,249 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetGastrointestinal motility and disorders→Travaux en français237 207→