MétaCan
Menu
Retour à la cohorte
Enregistrement W1988278171 · doi:10.1890/090002

Future declines of the binational Laurentian Great Lakes fisheries: the importance of environmental and cultural change

2009· review· en· W1988278171 sur OpenAlexaboutno aff
John D. Rothlisberger, David M. Lodge, Roger Cooke, David Finnoff

Notice bibliographique

RevueFrontiers in Ecology and the Environment · 2009
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFishingFisheryFisheries managementClimate changeCommercial fishingGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

It is increasingly clear that future long‐term environmental challenges (eg climate change) are being driven by economic and cultural choices, as well as by physical and biological mechanisms. We looked at the extent to which these apply to potential future changes in fisheries in the Laurentian Great Lakes. These fisheries rank among the most valuable freshwater fisheries in the world, but have declined markedly in recent decades. To investigate how these fisheries might develop in the future, we elicited projections from experts in fisheries and related fields. Experts provided assessments on variables relating to US and Canadian commercial (pounds landed) and sport (participation and expenditures) fisheries for the years 2006 and 2025. We measured each expert's ability to quantify their uncertainty, producing performance‐weighted combinations of expert estimates. All experts expected commercial fisheries to decline from 2006 to 2025, with greater declines in the US (25%) than in Canada (9%). Expectations for sport fishing differed more between lakes and less between countries, with median expected declines ranging from 1% to 13%. Experts attributed expected declines primarily to changes in economic market demands and shifts in societal interests. Increased attention to social and economic trends could aid Laurentian Great Lakes fishery policy and 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,203 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and the EnvironmentMême sujetFish Ecology and Management StudiesTravaux en français237 207