MétaCan
Menu
← Retour à la cohorte
Enregistrement W2002248215 · doi:10.1139/f06-130

The fisheries management implications of maternal-age-dependent larval survival

2006· article· en· W2002248215 sur OpenAlexvenueno aff
Michael R. O’Farrell, Louis W. Botsford

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNational Marine Fisheries Service
Mots-clésBiologyFishingReproductionSebastesLarvaFisheryFisheries managementPopulationDensity dependenceMortality rateLongevityEcologyZoologyDemographyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

A common goal of conventional fisheries management is to maintain fishing mortality at a rate that ensures an adequate level of lifetime egg production (LEP) for population sustainability. However, larvae from young spawners can experience higher mortality rates than larvae of older spawners, reducing the effect of egg production by young females (hereafter, maternal age effects). This reduction leads to an error in LEP that can be accounted for by reducing the fishing mortality rate, but raises the question of the magnitude of these errors if they are present but not accounted for. Calculations using parameters from a typical long-lived fish demonstrated that maternal age effects resulted in large errors in estimates of lifetime reproduction when there was a large contrast in the larval mortality rate extending over the reproductive life span. Errors were small when maternal age effects reduced the reproductive potential of only the very youngest spawners, at ages when a small fraction of females are mature. A specific example using the empirically derived maternal age effect for black rockfish (Sebastes melanops) indicated that errors in traditional management would be small for this species.

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)0,004
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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

Citations64
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→