MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161943704 · doi:10.82308/23857

Yellow perch consumption of invasive mussels in the St. Lawrence River

2007· dissertation· en· W7161943704 sur OpenAlexaboutno aff
Kathryn M. Harper

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerchForagingPredationIntroduced speciesZebra musselInvasive speciesAbiotic componentEcosystem

Résumé

récupéré en direct d'OpenAlex

Biological invasions are a global phenomenon that can threaten native species and disrupt ecosystem processes. Exotic species also impact ecosystems in less conspicuous ways by provoking native species to alter their foraging behaviour. Subtle impacts such as diet shifts are frequent, and can have consequences for food web dynamics and the fitness of native predators. Diet shifts involving the consumption of exotic species require native predators to recognize, capture and handle novel prey. In this thesis, I document a diet shift in the St. Lawrence River involving a common native fish and Eurasian mussels that invaded the river in the early 1990s. I conducted diet analysis of yellow perch (Perca flavescens) at multiple sites in the upper St. Lawrence River and discovered that they consumed substantial quantities of zebra and quagga mussels (Dreissena spp.) in the Soulanges Canal, an artificial waterway west of Montreal. This was unexpected because perch lack adaptations for crushing molluscs. This foraging innovation was not observed at the same site in the early 1990s or at other sites at any time. Mussel shells were weaker at this site, probably because of exposure to calcium-poor water. This suggests that water chemistry mediates yellow perch predation on mussels. This study provides an example of diet shifts involving exotic prey and illustrates the influence of abiotic factors on species interactions.

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)0,000
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 enseignants0,837
Score d'incertitude au seuil0,325

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,271 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAquatic Invertebrate Ecology and Behavior→Travaux en français237 207→