MétaCan
Menu
Retour à la cohorte
Enregistrement W2108685229 · doi:10.1093/icesjms/fsp285

Estimating EAF indicators from scientific trawl surveys: theoretical and practical concerns

2009· article· en· W2108685229 sur OpenAlexafffund
Didier Jouffre, Maria de Fátima Borges, Alida Bundy, Marta Coll, Ibrahima Diallo, Elizabeth A. Fulton, Jérôme Guitton, Pierre Labrosse, Khairdine ould Mohamed Abdellahi, Bora Masumbuko, Djiga Thiao

Notice bibliographique

RevueICES Journal of Marine Science · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesMinisterio de Ciencia y TecnologíaDalhousie UniversityEuropean CommissionInstitut de Recherche pour le Développement
Mots-clésContext (archaeology)EcosystemMarine ecosystemEnvironmental resource managementFisheryComputer scienceEnvironmental scienceGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Jouffre, D., Borges, M. F., Bundy, A., Coll, M., Diallo, I., Fulton, E. A., Guitton, J., Labrosse, P., Mohamed Abdellahi, K. o., Masumbuko, B., and Thiao, D. 2010. Estimating EAF indicators from scientific trawl surveys: theoretical and practical concerns. – ICES Journal of Marine Science, 67: 796–806. Under the context of an ecosystem approach to fisheries (EAF), there is keen interest in providing insights into the evolution of exploited ecosystems using simple ecosystem indicators. Many nations have long-term scientific research surveys, originally driven by conventional approaches in fisheries assessment and management. The aim of this study is to address the practical concerns linked to current objectives of monitoring simple EAF indicators, using data from surveys that were not historically designed for the purpose. Based on the results of an expert survey designed to collect expert knowledge on research surveys from scientists working on different ecosystems worldwide, a list of challenges faced during indicator estimation is highlighted, along with associated concerns and constraints. The work provides additional information useful in the interpretation of the results obtained on the state and trends of ecosystems using EAF indicators by the IndiSeas WG. Further, the related discussion provides potential pathways that could be useful for future research and development aiming to improve the ecosystem indicator approach in the operational context of EAF. The question of the utility for EAF of using historical dataseries of scientific trawl series is also discussed. Such long-term series are concluded to be useful, that they are even inescapable (since the past cannot be resamplied), and that EAF therefore brings a supplementary reason for continuing such monitoring and to incorporate new insights in how research surveys may be conducted.

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)0,048
score de la tête « metaresearch » (Gemma)0,152
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: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,254

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,152
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,320
Écart entre enseignants0,299 · 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

Citations23
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetMarine and fisheries researchTravaux en français237 207