MétaCan
Menu
Retour à la cohorte
Enregistrement W1436504331

Session A7: Use of Telemetry for Fish Ecological Survey in Europe

2015· article· en· W1436504331 sur OpenAlexaboutno aff
Beate Adam

Notice bibliographique

RevueScholarWorks@UMassAmherst (University of Massachusetts Amherst) · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTelemetrySession (web analytics)Fish <Actinopterygii>FisheryGeographyEcologyEnvironmental scienceComputer scienceBiologyTelecommunicationsWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract:\nIn contrast to the US, Canada, and Scandinavian Countries there are few and infrequent ecological studies on fish conducted in Europe which use telemetry systems such as hydro-acoustic, radio, or PIT technology. The reason for the infrequent use of these technologies is mostly the high cost of the equipment and lack of experienced staff to operate it. Within the framework of this introductory talk there will be an exemplary selection of recently conducted telemetry studies in Europe that demonstrate the application possibilities of these technologies and resultant findings. Due to the amended European Animal Welfare Act (2014) there exist diverse requirements for actual field work to consider, especially in protocols tagging of lamprey and other fish. The general lack of experience using telemetry technology in Europe makes it necessary to rely on international knowledge for selecting the most suitable technology for a particular research question, and established standards for handling and tagging of specimens to assure normal behaviour and avoid behavioural anomalies. This reliance on previous work completed around the world is fundamental in gaining reliable and significant results from future telemetry studies.

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)0,008
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0400,018

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 Opus0,066
Tête enseignante GPT0,237
Écart entre enseignants0,170 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarWorks@UMassAmherst (University of Massachusetts Amherst)Même sujetFish Ecology and Management StudiesTravaux en français237 207