Les préférences alimentaires du cerf de Virginie selon le contenu biochimique des plantes et la saison
Bibliographic record
Abstract
Des expériences en milieu contrôlé peuvent fournir des informations pertinentes sur la \nsélection des ressources des herbivores. Au Québec, l'augmentation d' abondance du Cerf \nde Virginie (Odocoileus virginianus) inquiète à cause des dommages qu'ils peuvent \nengendrer dans les écosystèmes par leur consommation excessive de végétaux dont \nplusieurs espèces menacées. L'objectif principal de cette étude était de relier les \npréférences alimentaires du cerf de Virginie au contenu biochimique (protéines, fibres et \ntannins) des plantes qu'ils consomment, en tenant compte de la saison. Dans cette optique, \nnous avons réalisé en 2004 et 2005 des tests de type cafétéria avec des cerfs captifs. Nous \navons contrôlé pour la disponibilité de la nourriture offerte et réalisé les tests au cours des \nquatre saisons. Pour chaque test, huit espèces de plantes cultivées ou sauvages étaient \noffertes en quantité égale et un indice de préférence était calculé pour chaque plante et \nchaque cerf. Nous avions prédit que les préférences seraient positivement liées au contenu \nprotéique à la fin du printemps et en été (juin, juillet et août), tandis qu ' elles devraient être \nliées positivement à l' énergie digestible à l'automne et au cours de l' hiver (septembre, \noctobre et février). Les plantes contenant des tannins devraient être évitées. Les meilleurs \nmodèles que nous avons obtenus à partir du critère d' Akaike incluent tous une seule \ncomposante biochimique qui varie parfois d' un mois à l' autre. Les préférences étaient \ncorrélées au contenu protéique en juin, juillet, octobre et février. Les préférences étaient \naussi reliées négativement aux fibres en août et septembre. Même si une seule constituante \nbiochimique des plantes explique bien leur préférence à un moment précis de l'année, il est \nvraisemblable que le choix alimentaire se base sur un ensemble de variables puisque les \nmodèles prédictifs alternatifs sont adéquats dans bien des cas. Par exemple, les préférences \nétaient aussi secondairement reliées à la digestibilité, probablement parce que les besoins \nprotéiques étaient comblés par la plupart des plantes au cours de l'été. Pour obtenir une \ncompréhension globale de la sélection des ressources par les herbivores, nos résultats \nindiquent qu'il sera nécessaire de tenir en compte la variabilité des contenus végétaux dans \nle temps et dans l'espace.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".