MétaCan
Menu
Retour à la cohorte
Enregistrement W1997737789 · doi:10.1111/j.1748-1090.2008.00076.x

Threatened species on the menu? Towards sustainable seafood use in zoos and aquariums

2009· article· en· W1997737789 sur OpenAlexfundno aff
Heather J. Koldewey, Julian Atkinson, Alison Debney

Notice bibliographique

RevueInternational Zoo Yearbook · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesDavid Suzuki Foundation
Mots-clésFisheryFishingThreatened speciesLivelihoodSustainabilityMangroveOverfishingBusinessGeographyEnvironmental protectionEcologyHabitatBiology

Résumé

récupéré en direct d'OpenAlex

All zoos and aquariums use seafood to a greater or lesser extent, served in restaurants and cafes, and as an important component of animal feed. The majority of their millions of visitors are also seafood consumers. The sustainability of seafood supplies is of major concern: almost 70% of ocean fisheries are either fully exploited or overfished. Approximately 95% of the world's marine production depends on coastal ecosystems, such as estuaries, salt marshes, shallow bays and wetlands, mangroves, coral reefs and sea‐grass beds, which are vulnerable to destructive fishing practices. Food webs have also been severely disrupted. However, fishing is still central to the livelihood and food security of 200 million people, especially in the developing world, with one in five people dependent on fish as their primary source of protein. This paper outlines a number of sustainable seafood initiatives that have been developed by aquariums and conservation organizations. We encourage zoos and aquariums to evaluate their seafood usage, to use available information to inform and increase the sustainability of their consumption, and to encourage changes in the behaviour of their visitors as seafood consumers.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,016
Tête enseignante GPT0,217
Écart entre enseignants0,201 · 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

Citations17
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Zoo YearbookMême sujetFish Ecology and Management StudiesTravaux en français237 207