Can the data from at-sea observer surveys be used to make general inferences about catch composition and discards?
Notice bibliographique
Résumé
Some fishery characteristics such as total discards are often inferred from data collected by at-sea observers on a subset of fishing trips. Such inference is predicated on the assumption that observed and unobserved trips are statistically exchangeable. There are two principal reasons why this may not be so. A deployment effect results from nonrandom distribution of observers among sampling units. An observer effect results from changes in fishing practice or location when observers are present. Both effects can impact the precision and accuracy of fishery-level inferences drawn from observer data, though this is rarely addressed quantitatively. We found evidence for deployment and observer effects in Gulf of St. Lawrence fisheries. The impact of deployment bias was further quantified by resampling from fisheries data collected with 100% observer coverage. We conclude that the nature of the effects observed in our study preclude merely correcting observer-collected catch data for possible biases and imprecision. Furthermore, regulatory compliance monitoring by observers in the existing program may not be completely effective. Modifications to program structure would therefore be beneficial and some suggestions are evaluated in this paper.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,179 | 0,464 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,006 | 0,017 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».