Um roedor exótico em uma ilha protegida: estimando a abundância do mocó (Kerodon rupestris) em Fernando de Noronha, Brasil
Bibliographic record
Abstract
Compreender a estrutura e dinâmica populacional de espécies exóticas é fundamental para avaliar seu potencial nível de ameaça aos ambientes nativos e planejar, se necessário, seu manejo. Esse conhecimento é obtido por meio da estimativa dos parâmetros populacionais. No entanto, em ambientes insulares, especialmente em países em desenvolvimento, a logística, o custo e certas características das espécies podem dificultar a coleta de dados, resultando em conjuntos de dados esparsos. O presente estudo teve como objetivo fornecer uma estimativa preliminar da probabilidade de sobrevivência e da abundância do mocó (Kerodon rupestris; Caviidae: Rodentia) na ilha de Fernando de Noronha por meio de dados esparsos. Usando um modelo de efeitos mistos log-normais de Poisson truncado em zero (ZPNE), primeiramente estimamos o número de indivíduos em uma colônia de K. rupestris (a colônia Boldró). Usando a densidade calculada (número de indivíduos dividido pela área da colônia) e informações sobre colônias mapeadas coletadas por meio de imagens de satélite, calculamos o tamanho da população da ilha. O modelo ZPNE apresentou uma probabilidade média de sobrevivência de 0,5499 em 185 dias e uma probabilidade média de captura de 0,858. A extrapolação das estimativas de tamanho da população da colônia de Boldró (21; IC95% 12 - 36 indivíduos) sugere que a população de mocós em Fernando de Noronha consiste em 5.473 (IC95% 3.114 - 9.622) indivíduos. Mesmo com dados limitados e cautela justificada, o presente estudo preliminar avaliou os parâmetros populacionais dessa população insular de K. rupestris, contribuindo com informações valiosas para o planejamento de seu manejo pela primeira vez.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".