MétaCan
Menu
Retour à la cohorte
Enregistrement W1991033854 · doi:10.1071/mf05173

Growth trends of Queensland east coast Spanish mackerel (Scomberomorus commerson) from otolith back-calculations

2006· article· en· W1991033854 sur OpenAlexaff
Aaron C. Ballagh, Gavin A. Begg, Amos Mapleston, Andrew J. Tobin

Notice bibliographique

RevueMarine and Freshwater Research · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBC Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésOtolithFisheryMackerelEast coastGeographyScombridaeOceanographyFish <Actinopterygii>BiologyGeologyTuna

Résumé

récupéré en direct d'OpenAlex

The growth of narrow-barred Spanish mackerel (Scomberomorus commerson) was examined over a broad spatial scale encompassing the east coast of Queensland, Australia. Our aim was to use back-calculation to identify potential biases in growth estimation, and to provide a more recent estimate of growth for Spanish mackerel on the east coast of Queensland. Growth trends were determined using the body proportional hypothesis (BPH) back-calculation model and compared between back-calculated and observed length-at-age data. The back-calculated von Bertalanffy growth function parameters estimated for males and females, respectively, were L8 = 1047 mm, K = 0.75, t0 = –0.18 and L8 = 1248 mm, K = 0.51 and t0 = –0.39. Significant differences in growth of Spanish mackerel sampled among different regions along the east coast were observed. A comparison of back-calculated and observed length-at-age data revealed significant biases in the observed length-at-age data for younger aged fish. Our findings contrast with previous estimates of growth for Spanish mackerel from the east coast of Queensland and highlight the use of back-calculation for the first few annuli as a means of avoiding biases in growth estimation arising from gear selectivity associated with fishery-dependent samples of fast-growing fish.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,239 · 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

Citations18
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine and Freshwater ResearchMême sujetMarine and fisheries researchTravaux en français237 207