A Comparison of Two Methodologies for Estimating Brook Trout Catch and Harvest Rates using Incomplete and Complete Fishing Trips
Notice bibliographique
Résumé
Abstract On the island portion of Newfoundland and Labrador, Canada, the provincial government relies on roving creel surveys to assess the fishery for brook trout Salvelinus fontinalis. The estimation of catch and harvest rates for these surveys requires on-site interview methods that gather information from incomplete fishing trips. When the objective is to determine total catch, the mean-of-ratios estimator is the accepted method for deriving catch rate from incomplete trips, whereas the ratio-of-means estimator is the accepted method for deriving catch rate for completed trips. When we compared the two estimators using incomplete and complete trip catch data measured from the same sample of anglers, we found a persistent bias. Catch and harvest rates derived from the mean-of-ratios estimator were significantly higher than those obtained with the ratio-of-means estimator. Catch rate was higher by 32%, while harvest rate was higher by 39%. When we only used the completed trip data set for both calculations, we found a mean difference of 19% between the two estimators. We also found a second source of error. When we examined individual angler responses for catch and harvest, the estimates revealed a positive bias whereby the incomplete trips showed higher estimates relative to the complete trips (16% and 21%, respectively). These biases appear to be related to the estimation procedure as well as fish and fisher behavior at the individual angler level. We use linear regression analysis to help correct the bias associated with the mean-of-ratios estimator.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».