MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162011132 · doi:10.82308/9220

Impacts of introduced piscivores on lake fish assemblages

2010· dissertation· en· W7162011132 sur OpenAlexaboutno aff
Justinas Trumpickas

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFish <Actinopterygii>PiscivoreFishingStatistical analysis

Résumé

récupéré en direct d'OpenAlex

L'introduction de prédateurs peut avoir de nombreux impacts négatifs sur les populations de proies indigènes; la sévérité de cet impact peut être plus important que celle que peuvent avoir les prédateurs indigènes et peut varier lors de l'introduction de plusieurs prédateurs. J'ai étudié la relation qu'il existe entre les assemblages de poissons indigènes et cinq espèces de prédateurs piscivores introduites à grande échelle: l'achigan à grande bouche Micropterus salmoides, le grand brochet Esox lucius, le crapet de roche Ambloplites rupestris, l'achigan à petite bouche Micropterus dolomieu et le doré jaune Sander vitreus. L'analyse de données provenant de plus de 9000 lacs situés en Ontario, Canada, a révélé que la présence de ces poissons piscivores réduit la richesse spécifique au niveau des proies, et que l'amplitude de cet impact varie en fonction des espèces de prédateurs et de la richesse de ces prédateurs. Il n'y a pas de différence entre l'impact que produisent les achigans à petite bouche introduits et indigènes sur la richesse des proies. Les résultats d'une enquête de multi-lac sur le terrain au Parc Algonquin (Ontario) ont suggéré que les prédateurs structurent les assemblages des poissons du littoral, bien qu'à un degré moindre que des facteurs spatiales et environmentales. Peu de preuves qui indiquent que l'assemblage de poissons change avec le temps et l'espace en fonction d'une augmentation de la richesse des prédateurs, ce qui laisse supposer qu'il y a une redondance fonctionelle des espèces envahissantes qui ont colonisé les lacs plus tard.

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 enseignants0,384
Score d'incertitude au seuil0,764

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 ouverte0,0000,001
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 Opus0,005
Tête enseignante GPT0,239
Écart entre enseignants0,234 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFish Ecology and Management Studies→Travaux en français237 207→