MétaCan
Menu
Retour à la cohorte
Enregistrement W2024746783 · doi:10.1139/f07-029

Rate of species introductions in the Great Lakes via ships' ballast water and sediments

2007· article· en· W2024746783 sur OpenAlexvenueno aff
John M. Drake, David M. Lodge

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensnon disponible
Organismes subventionnairesNational Center For Environmental AssessmentU.S. Environmental Protection Agency
Mots-clésBallastZooplanktonAbundance (ecology)EcologyLake ecosystemTaxonBiologyFisherySpecies richnessIntroduced speciesEcosystemEnvironmental science

Résumé

récupéré en direct d'OpenAlex

We report results from a study of species in ballast tanks of ships entering the Great Lakes between 2000 and 2002. We collected 1349 individuals from at least 93 unique taxonomic groups, of which approximately half were identified to species. We estimated that the zooplankton assemblage in ballast water destined for the Great Lakes comprised from 200 to 1000 unique taxa consisting of both freshwater and marine species. Between 14 and 39 of these taxa have not yet been recorded from the Great Lakes. Further, 13.9% of individual specimens identified to the species level were from species not previously collected from the Great Lakes. We collected seven nonindigenous freshwater species not currently found in the Great Lakes: Brachionus plicatilis, Cyclocypria kinkaidia, Maraenobiotus insignipes, Microcyclops rubellus, Microcyclops varicans, Neomysis awatchensis, and Paracyclops chiltoni. We found no evidence that ship age, seasonal timing, or age of ballast water affected the abundance of individuals or species in the ballast tanks. To our knowledge, these are the first extrapolations of data from ballast water collections to estimate the rate of species introduction to any ecosystem.

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)0,002
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 enseignants0,983
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,015
Tête enseignante GPT0,199
Écart entre enseignants0,184 · 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

Citations46
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207