MétaCan
Menu
Retour à la cohorte
Enregistrement W2114991692 · doi:10.1071/mf04127

Use of otolith weight in length-mediated estimation of proportions at age

2005· article· en· W2114991692 sur OpenAlexaff
R. I. C. C. Francis, Shelton J. Harley, Steven E. Campana, Peer Doering‐Arjes

Notice bibliographique

RevueMarine and Freshwater Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésOtolithBiologyStock assessmentFish <Actinopterygii>StatisticsEstimationFish stockSample (material)Sample size determinationFisheryMaximum likelihoodMathematicsFishingEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

Each year almost a million fish are aged from otoliths, primarily to estimate proportions at age for use in stock assessments. The preparation and reading of otoliths is time-consuming and thus expensive. Two techniques have been proposed to reduce costs. The first is length-mediated estimation, in which the length distribution from a large sample of fish is converted to an age distribution, using information (usually in the form of an age–length key) from a smaller sample containing length and age data. The second is to infer age from otolith weight (and/or other otolith measurements). These two cost-saving ideas are combined in a new method, length-mediated mixture analysis. It requires three samples – one with lengths only, one with lengths and otolith measurements, and one with lengths, otolith measurements and ages – and estimation is by maximum likelihood. The use of this method, which can be thought of as a generalisation of three established methods of age inference, is illustrated in two simulation experiments in a cost-benefit framework.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,642
Score d'incertitude au seuil0,994

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0300,000

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 Opus0,058
Tête enseignante GPT0,304
Écart entre enseignants0,246 · 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

Citations30
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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