MétaCan
Menu
Retour à la cohorte
Enregistrement W6948495890 · doi:10.5061/dryad.87jb3

Data from: Multidimensional environmental influences on timing of breeding in a tree swallow population facing climate change

2015· dataset· en· W6948495890 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2015
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueCentral European national history
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésClimate changePopulationPhenotypic plasticityPhenologyHabitatTree (set theory)LatitudeSelection (genetic algorithm)

Résumé

récupéré en direct d'OpenAlex

Most phenological traits are extremely sensitive to current climate change and advances in the timing of important life-history events have been observed in many species. In birds, phenotypic plasticity in response to temperature is thought to be the main mechanism underlying yearly adjustment in the timing of breeding. However, other factors could be important and interact to affect the levels of plastic responses between and/or within-individuals. Here we use long-term individual-based data on Tree swallow (Tachycineta bicolor) to identify the spatial and environmental drivers affecting plasticity in laying date and to assess their importance at both population and individual levels. We found that laying date has advanced by 4.2 days over 10 years, and that it was mainly influenced by latitude and an interaction between spring temperature and breeder density. Analyses of individual plasticity showed that increases in temperature, but not in breeder density, resulted in within-individual advances in laying date. Our results suggest that females can adjust their laying date as a function of temperature, but that this adjustment will be partly constrained in habitats with lower breeder densities. Such potential constraint is especially worrying for the broad array of species already declining as a result of climate change.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

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
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,099
Tête enseignante GPT0,319
Écart entre enseignants0,220 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetCentral European national historyTravaux en français237 207