MétaCan
Menu
← Retour à la cohorte
Enregistrement W1801272460 · doi:10.1139/cjfas-2013-0511

Movements and oceanographic associations of bigeye tuna (<i>Thunnus obesus</i>) in the Northwest Atlantic

2014· article· en· W1801272460 sur OpenAlexvenueno aff
Chi Hin Lam, Benjamin Galuardi, Molly E. Lutcavage

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThunnusFish measurementOceanographyFisheryTunaPelagic zoneScombridaeGulf StreamGeographyFisheries managementEnvironmental scienceFishingBiologyGeologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

To address the lack of fisheries-independent information for Atlantic bigeye tuna (Thunnus obesus), we released 21 adults (131 ± 12 cm curved fork length) between 2008 and 2010 in the Sargasso Sea and Northwest Atlantic. Data from nine tags (range: 1–292 days; mean: 89 days) revealed (i) pronounced north–south movements in pelagic waters between areas including Georges Bank, Mid- and South Atlantic Bight, Caribbean Sea, and Brazilian shelf, (ii) a lack of east–west exchange, and (iii) a high-use area in the Hatteras Plain, centered southwest of Bermuda. Bigeye tuna occupied water masses of 2.7–28.2 °C and depths of 0–1280 m, with deeper depths in the daytime (daily mean ± standard deviation: 196 ± 92 m) than at nighttime (45 ± 29 m). Even though bigeye tuna are assumed to forage on the deep scattered layer during the day, generalized additive mixed models did not identify the deep scattered layer as an important predictor of daytime swimming depth. Model results highlight the importance of geographic location in influencing habitat utilization, and thus suggest the need for fisheries-independent monitoring in high-catch areas, such as the central and equatorial Atlantic.

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)0,000
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 enseignants0,915
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,207 · 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

Citations35
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→