MétaCan
Menu
← Retour à la cohorte
Enregistrement W2083359442 · doi:10.1139/f04-128

Deriving condition indices from standard fisheries databases and evaluating their sensitivity to variation in stored energy reserves

2004· article· en· W2083359442 sur OpenAlexvenueno aff
C. Tara Marshall, Coby L. Needle, Adnan Mosa Ajiad, Evgeny Gusev

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGadusCapelinGirth (graph theory)StatisticsStock (firearms)FishingStock assessmentBiologyArcticFisheryMathematicsAnimal scienceGeographyEcology

Résumé

récupéré en direct d'OpenAlex

To evaluate interstock differences in condition, it would be advantageous to develop stock-level condition indices from standardized databases on weight and length. This study describes a method for estimating stock-level condition when individual-level observations on length and weight are not easily accessible. For each year in a 56-year time series (1946–2001) for Northeast Arctic cod (Gadus morhua), pseudo-observations of weight and length were generated by pairing the Norwegian and Russian values for weight-at-age provided annually to the assessment working group with estimates of length-at-age derived from the same databases. A weight–length relationship fit to each year was then used to predict weight-at-length, i.e., girth, for a range of standard lengths (30–120 cm). This index was uncorrelated with both the liver condition index and the abundance of Barents Sea capelin (Mallotus villosus), suggesting that at the stock level, the girth of cod is not necessarily indicative of the magnitude of stored energy reserves. Partitioning body size into length-at-age and girth revealed long-term trends in body size. In particular, large/old cod showed substantially higher values of both length-at-age and girth that could be the result of long-term increases in fishing mortality.

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)0,009
score de la tête « metaresearch » (Gemma)0,033
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 enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
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 Opus0,040
Tête enseignante GPT0,274
Écart entre enseignants0,234 · 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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

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