Bibliographic record
Abstract
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.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".