MétaCan
Menu
Retour à la cohorte
Enregistrement W2100276686 · doi:10.1071/mf12280

Science behind management of Shark Bay and Florida Bay, two P-limited subtropical systems with different climatology and human pressures

2012· article· en· W2100276686 sur OpenAlexaff
Gary A. Kendrick, James W. Fourqurean, Matthew W. Fraser, Michael R. Heithaus, Gary Jackson, Kim Friedman, David E. Hallac

Notice bibliographique

RevueMarine and Freshwater Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesWestern Australian Marine Science InstitutionCaring for our CountryNational Science Foundation
Mots-clésBaySubtropicsBay mudEstuaryTrophic levelOceanographyFisheryStewardship (theology)GeographyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

This special issue on ‘Science for the management of subtropical embayments: examples from Shark Bay and Florida Bay’ is a valuable compilation of individual research outcomes from Florida Bay and Shark Bay from the past decade and addresses gaps in our scientific knowledge base in Shark Bay especially. Yet the compilation also demonstrates excellent research that is poorly integrated, and driven by interests and issues that do not necessarily lead to a more integrated stewardship of the marine natural values of either Shark Bay or Florida Bay. Here we describe the status of our current knowledge, introduce the valuable extension of the current knowledge through the papers in this issue and then suggest some future directions. For management, there is a need for a multidisciplinary international science program that focusses research on the ecological resilience of Shark Bay and Florida Bay, the effect of interactions between physical environmental drivers and biological control through behavioural and trophic interactions, and all under increased anthropogenic stressors. Shark Bay offers a ‘pristine template’ for this scale of study.

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 enseignants0,041
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,003
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 Opus0,037
Tête enseignante GPT0,309
Écart entre enseignants0,272 · 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

Citations31
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine and Freshwater ResearchMême sujetMarine and fisheries researchTravaux en français237 207