MétaCan
Menu
Retour à la cohorte
Enregistrement W2103140970 · doi:10.5539/jas.v4n11p66

Management Indicators and Growth Performance Index of Tilapia Zillii in a Tropical Coastal Estuary

2012· article· en· W2103140970 sur OpenAlexvenueno aff
W. O. Abdul, I. T. Omoniyi, Yemi Akegbejo‐Samsons, A. A. Akinyemi, AO Agbon, F. I. Adeosun

Notice bibliographique

RevueJournal of Agricultural Science · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesFederal University of Agriculture, Abeokuta
Mots-clésOverfishingEstuaryFisheryIndex (typography)Animal scienceFish <Actinopterygii>MathematicsBiology

Résumé

récupéré en direct d'OpenAlex

An investigative study was carried-out on management indicators and growth performance index of T. zillii in a tropical coastal estuary for twenty-four consecutive months using length-weight data. Electronic length frequency analysis (ELEFAN), sub-routine of FiSAT II software and empirical models were used to analyse the data. Results showed that the mean size of T. zillii was between 22.10±1.155 cm and 26.10±0.115 cm in April and January respectively. The highest (349.72±2.725g) and lowest (264.14±4.109g) mean weights were recorded in the respective months of December and April. Exploited sizes ranged from 11-12 cm to 36-37 cm. Length class 24-25 cm was mostly exploited, constituting 9.92% while 36-37 cm length class was the least (0.05 %) on the exploitation data. Length-at-first maturity, Lm, length-at-optimum yield, Lopt, longevity, Tmax, and growth performance index were estimated as 10.23 cm, 23.95 cm, 4 years and 3.076 respectively. It was therefore, recommended that, for the fishery to be sustainable, close monitoring should be given during the months of February and April, and exploitation of larger size fish be regulated to prevent recruitment overfishing.

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)0,000
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 enseignants0,023
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,213
Écart entre enseignants0,207 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetMarine and fisheries researchTravaux en français237 207