MétaCan
Menu
Retour à la cohorte
Enregistrement W7038346749

Home Range Size and Habitat Selection of Owned Outdoor Cats (Felis catus) in Urban Southwestern Ontario

2023· dissertation· en· W7038346749 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2023
Typedissertation
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHome rangeWildlifeImpervious surfaceHabitatPredationCATSRange (aeronautics)Selection (genetic algorithm)OccupancyUrbanization
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Domestic cats (Felis catus) play a dual role in society as both companion animals and predators. When provided with unsupervised outdoor access, cats can negatively impact native wildlife and create public health and animal welfare challenges. Implementing effective management strategies, such as buffer zones or curfews, requires an understanding of their home range size, the factors that influence their movement, and the types of habitats they use. Here, we used a citizen scientist approach to collect movement data using GPS collars from owned outdoor cats in the Kitchener-Waterloo-Cambridge-Guelph region of southwestern Ontario, Canada. Minimum convex polygon home range size ranged between 0.34–38 ha (mean = 8 ha, SD = 8 ha, n = 42) and was positively associated with road density but not to intrinsic factors such as boldness, sex, or age. At the habitat selection level, cats used greenspaces, roads, and agricultural land less often than predicted but strongly preferred impervious surfaces (urban areas other than greenspaces or roads). Our results suggest wildlife near buildings and residential areas are likely at the greatest risk of cat predation and that a buffer size of 840 m would be needed to restrict cats from entering areas of concern.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,097

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

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 GPT0,320
Écart entre enseignants0,284 · 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
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetObesity and Health PracticesTravaux en français237 207