MétaCan
Menu
Retour à la cohorte
Enregistrement W2011067938 · doi:10.1007/s11160-012-9252-z

Global in scope and regionally rich: an IndiSeas workshop helps shape the future of marine ecosystem indicators

2012· article· en· W2011067938 sur OpenAlexafffund
Yunne‐Jai Shin, Alida Bundy, Lynne Shannon, Julia L. Blanchard, Ratana Chuenpagdee, Marta Coll, B. Knight, Christopher P. Lynam, G.J. Piet, Anthony J. Richardson

Notice bibliographique

RevueReviews in Fish Biology and Fisheries · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensMemorial University of NewfoundlandBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaDirectorate for Biological SciencesKenya Marine and Fisheries Research InstituteQueen's UniversityInstitut Français de Recherche pour l'Exploitation de la MerUniversity of TasmaniaNorthwest Fisheries Science CenterUniversity of East Anglia
Mots-clésConvention on Biological DiversityScope (computer science)Environmental resource managementEcosystemBiodiversityEcosystem-based managementMarine ecosystemEcosystem servicesFisheries managementEcosystem healthRobustness (evolution)Marine protected areaEnvironmental planningBiologyFisheryEcologyFishingGeographyComputer scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This report summarizes the outcomes of an IndiSeas workshop aimed at using ecosystem indicators to evaluate the status of the world’s exploited marine ecosystems in support of an ecosystem approach to fisheries, and global policy drivers such as the 2020 targets of the Convention on Biological Diversity. Key issues covered relate to the selection and integration of multi-disciplinary indicators, including climate, biodiversity and human dimension indicators, and to the development of data- and model-based methods to test the performance of ecosystem indicators in providing support for fisheries management. To enhance the robustness of our cross-system comparison, unprecedented effort was put in gathering regional experts from developed and developing countries, working together on multi-institutional survey datasets, and using the most up-to-date ecosystem models.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,341
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,024
Tête enseignante GPT0,285
Écart entre enseignants0,262 · 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.

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
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReviews in Fish Biology and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207