MétaCan
Menu
← Retour à la cohorte
Enregistrement W7084767427 · doi:10.5061/dryad.z08kprrgj

Data from: Combined effects of cold snaps and agriculture on the growth rates of Tree Swallows (<em>Tachycineta bicolor</em>)

2024· dataset· en· W7084767427 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2024
Typedataset
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésInsectivoreFledgeForagingAgricultureHibernation (computing)Guild

Résumé

récupéré en direct d'OpenAlex

The decline of avian aerial insectivores has been greater than any other foraging guild and both climate change and agricultural intensification are leading hypotheses explaining this decline. Spring cold snaps are predicted to increase in frequency due to climate change, and factors associated with agricultural intensification (e.g., toxicological agents, simplification of agricultural landscapes, and reductions of insect prey) potentially exacerbate the negative effects of cold snaps on aerial insectivore nestling growth and body condition. We evaluated this hypothesis using repeated measures of Tree Swallow (Tachycineta bicolor (Vieillot, 1808)) nestling body mass and 9th primary length across an expansive gradient of agricultural intensification. Growth rate, asymptotic body mass, and near-fledging 9th primary length were lower for nestlings in landscapes consisting of more agro-intensive monocultures. This 14-year dataset of body measures occurring at 2, 6, 12, and 16 days of age showed that the negative impact of cold snaps on the growth of these two traits was stronger for nestlings reared in more agro-intensive landscapes. Our findings provide further evidence that two of the primary hypothesized drivers for the decline of many aerial insectivores may interact and aggravate their decline by reducing fledging 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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,041
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,016

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 Opus0,030
Tête enseignante GPT0,302
Écart entre enseignants0,272 · 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 revueOpen MIND→Même sujetViral-associated cancers and disorders→Travaux en français237 207→