MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948578565 · doi:10.5061/dryad.1ct66

Data from: Does water temperature affect the timing and duration of remigial moult in sea ducks? An experimental approach

2016· dataset· en· W6948578565 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2016
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésMoultingEiderFeatherThermoregulationMudaAquatic ecosystemDeep water

Résumé

récupéré en direct d'OpenAlex

Aquatic birds have high cost of thermoregulation, especially during the moulting period, yet the effect of water temperature on the moulting strategy of aquatic birds has rarely been studied. Our general hypothesis is that energy savings associated with lower thermoregulation costs would be allocated to moulting processes. We predicted that aquatic birds moulting in warm water would have a higher level of body reserves, a faster growth rate of feathers, and an earlier remigial moult onset compared with birds moulting in cold water. We used the common eider (Somateria mollissima dresseri), a large sea duck, as the model species. Captive individuals were experimentally exposed to warm (18 °C) and cold (8 °C) water treatments during a three year period with individuals swapped between treatments. We found a similar feather growth rate for the two water temperature treatments and in contrast to our predictions, eiders exposed to warm water had a lower body mass and showed a delayed onset of remigial moult of approximately 7 days compared with those exposed to cold water. Our data indicate that body mass variations influence the timing of moult in unexpected ways and we suggest that it likely controls the occurrence of wing moult through a hormonal cascade. This study emphasizes the importance of improving our knowledge of the effects of water temperature on remigial moult of aquatic birds, to better assert the potential effects of global warming on their survival.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,036
Tête enseignante GPT0,296
Écart entre enseignants0,260 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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