Accuracy and precision of fish-count data from a “dual-frequency identification sonar” (DIDSON) imaging system
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The reliability of sockeye-salmon (Oncorhynchus nerka) count data collected by a dual-frequency, identification sonar (DIDSON) system is evaluated on the basis of comparisons with visual counts of unconstrained migrating salmon and visual counts of salmon constrained to passing through an enumeration fence. Regressions fitted to the DIDSON count data and the visual count data from the enumeration fence were statistically indistinguishable from a line with slope = 1.0 passing through the origin, which we interpret as agreement in both counts. In contrast, the regressions fitted to the DIDSON count data and the unconstrained visual count data had slopes that were significantly <1.0 (p < 0.001) and are consistent with an interpretation of systematic bias in these data. When counts of both unconstrained and constrained fish from the DIDSON system were ≥50 fish event−1, repeated counts of the DIDSON files were observed to produce the same counts 98–99% of the time, respectively, and based on the coefficient of variation, counts of individual passage events varied <3% on average. Therefore, the DIDSON count data exhibit high precision among different observers. As an enumeration fence provides a complete census of all fish passing through it, we conclude that fish-count data produced by the DIDSON imaging system are as accurate as visual counts of fish passing through an enumeration fence when counts range up to 932 fish event−1, the maximum count recorded during our study, regardless of the observer conducting the count. These conclusions should be applicable to typical riverine applications of the DIDSON system in which the bottom and surface boundaries are suitable for acoustic imaging, the migrating fish are adult salmon, and the transducer is carefully aimed so that the beams ensonify the area through which the salmon are migrating.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle