Error patterns in age estimation of harp seals (Pagophilus groenlandicus): results from a transatlantic, image-based, blind-reading experiment using known-age teeth
Notice bibliographique
Résumé
Abstract Frie, A. K., Fagerheim, K-A., Hammill, M. O., Kapel, F. O., Lockyer, C., Stenson, G. B., Rosing-Asvid, A., and Svetochev, V. 2011. Error patterns in age estimation of harp seals (Pagophilus groenlandicus): results from a transatlantic, image-based, blind-reading experiment using known-age teeth. – ICES Journal of Marine Science, 68: 1942–1953. Blind readings of known-age samples are the ultimate quality control method for age estimates based on hard tissues. Unfortunately, this is often not feasible for many species because of the scarcity of known-age samples. Based on a unique collection of known-age teeth of harp seals (age range: 1–18 years), ageing errors were evaluated in relation to true age, reader experience, sex, and tooth format (images vs. originals). Bias was estimated by linear models fitted to deviations from true age, and precision was estimated as their residual standard error. Image-based blind readings of 98 tooth sections by 14 readers, representing different levels of experience, generally showed high accuracy and precision up to a seal age of ∼8 years, followed by an increasingly negative bias and increased variance. Separate analyses were therefore conducted for young seals (1–7 years) and older seals. For young seals, moderate associations were found between reader experience and levels of bias, precision, and proportions of correct readings. For older seals, only precision levels showed a significant association with reader experience. Minor effects of sex and tooth format are unlikely to affect these main patterns. Observed errors, even for highly experienced readers, may affect important age-related parameters, emphasizing the importance of known-age calibration of the output from all readers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».