MétaCan
Menu
Retour à la cohorte
Enregistrement W6977395005 · doi:10.6084/m9.figshare.7152542.v1

Table S1 from Urban rats have less variable, higher protein diets

2018· article· en· W6977395005 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth, Education, and Cultural Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOmnivoreHerbivoreHuman settlementPopulationRodentNicheHuman animalDistribution (mathematics)Historical ecologyTable (database)

Résumé

récupéré en direct d'OpenAlex

Over the past 1000 years, rats (<i>Rattus</i> spp.) have become one of the most successful and prolific pests in human society. Despite their cosmopolitan distribution across six continents and ubiquity throughout the world's cities, rat urban ecology remains poorly understood. We investigate the role of human foods in brown rat (<i>Rattus norvegicus</i>) diets in urban and rural areas over a 100 year period (<i>ca</i> AD 1790–1890) in Toronto, Canada using stable carbon (<i>δ</i><sup>13</sup>C) and nitrogen (<i>δ</i><sup>15</sup>N) isotope analyses of archaeological remains. We found that rat diets from urban sites were of higher quality and were more homogeneous and stable over time. By contrast, in rural areas, they show a wide range of dietary niche specializations that directly overlap, and likely competed, with native omnivorous and herbivorous species. These results demonstrate a link between rodent diets and human population density, providing the first long-term dietary perspective on the relative value of different types of human settlements as rodent habitat. This study highlights the potential of using the historical and archaeological record to provide a retrospective on the urban ecology of commensal and synanthropic animals that could be useful for improving animal management and conservation strategies in urban areas.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,592
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,091
Tête enseignante GPT0,369
Écart entre enseignants0,278 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetHealth, Education, and Cultural StudiesTravaux en français237 207