MétaCan
Menu
Retour à la cohorte
Enregistrement W2060626524 · doi:10.1111/j.1523-1739.2006.00614.x

Forecasting the Expansion of Zebra Mussels in the United States

2007· article· en· W2060626524 sur OpenAlexaff
Jonathan M. Bossenbroek, Ladd E. Johnson, Brett Peters, David M. Lodge

Notice bibliographique

RevueConservation Biology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensUniversité Laval
Organismes subventionnairesU.S. Geological Survey
Mots-clésZEBRA (computer)GeographyFisheryEcologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Because zebra mussels spread rapidly throughout the eastern United States in the late 1980s and early 1990s, their spread to the western United States has been expected. Overland dispersal into inland lakes and reservoirs, however, has occurred at a much slower rate than earlier spread via connected, navigable waterways. We forecasted the potential western spread of zebra mussels by predicting the overland movement of recreational boaters with a production-constrained gravity model. We also predicted the potential abundance of zebra mussels in two western reservoirs by comparing their water chemistry characteristics with those of water bodies with known abundances of zebra mussels. Most boats coming from waters infested with zebra mussels were taken to areas that already had zebra mussels, but a small proportion of such boats did travel west of the 100th meridian. If zebra mussels do establish in western U.S. water bodies, we predict that population densities could achieve similar levels to those in the Midwestern United States, where zebra mussels have caused considerable economic and ecological impacts. Our analyses suggest that the dispersal of zebra mussels to the western United States is an event of low probability but potentially high impact on native biodiversity and human infrastructure. Combining these results with economic analyses could help determine appropriate investment levels in prevention and control strategies.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,275
Écart entre enseignants0,224 · 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'étudeSimulation ou modélisation
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

Citations159
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation BiologyMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207