MétaCan
Menu
Retour à la cohorte
Enregistrement W1985993987 · doi:10.1371/journal.pbio.1002130

Classification of Non-Indigenous Species Based on Their Impacts: Considerations for Application in Marine Management

2015· article· en· W1985993987 sur OpenAlexaff
Henn Ojaveer, Marnie L. Campbell, James T. Carlton, João Canning‐Clode, Elizabeth Cook, Alisha Dahlstrom Davidson, Chad L. Hewitt, Anders Jelmert, Agnese Marchini, Cynthia H. McKenzie, Dan Minchin, Anna Occhipinti‐Ambrogi, Sergej Olenin, Gregory M. Ruiz

Notice bibliographique

RevuePLoS Biology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFundação para a Ciência e a TecnologiaEuropean Commission
Mots-clésIndigenousEnvironmental resource managementMarine speciesMarine protected areaBiologyEnvironmental planningEcologyGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Assessment of the ecological and economic/societal impacts of the introduction of non-indigenous species (NIS) is one of the primary focus areas of bioinvasion science in terrestrial and aquatic environments, and is considered essential to management. A classification system of NIS, based on the magnitude of their environmental impacts, was recently proposed to assist management. Here, we consider the potential application of this classification scheme to the marine environment, and offer a complementary framework focussing on value sets in order to explicitly address marine management concerns. Since existing data on marine NIS impacts are scarce and successful marine removals are rare, we propose that management of marine NIS adopt a precautionary approach, which not only would emphasise preventing new incursions through pre-border and at-border controls but also should influence the categorisation of impacts. The study of marine invasion impacts requires urgent attention and significant investment, since we lack the luxury of waiting for the knowledge base to be acquired before the window of opportunity closes for feasible management.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,068
Score d'incertitude au seuil0,473

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,255
Écart entre enseignants0,211 · 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 tête enseignante, 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

Citations225
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS BiologyMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207