MétaCan
Menu
Retour à la cohorte
Enregistrement W2157810653 · doi:10.1098/rsbl.2012.0609

Conservation physiology of marine fishes: advancing the predictive capacity of models

2012· article· en· W2157810653 sur OpenAlexaff
Christian Jørgensen, Myron A. Peck, Fabio Antognarelli, Ernesto Azzurro, Michael T. Burrows, William W. L. Cheung, Andrea Cucco, Rebecca Holt, Klaus B. Huebert, Stefano Marras, David J. McKenzie, Julian D. Metcalfe, Ángel Pérez‐Ruzafa, Matteo Sinerchia, J. F. Steffensen, L.R. Teal, Paolo Domenici

Notice bibliographique

RevueBiology Letters · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyMarine conservationMarine ecosystemConservation biologyEcologyMarine fishFish <Actinopterygii>EcosystemEnvironmental resource managementFishery

Résumé

récupéré en direct d'OpenAlex

At the end of May, 17 scientists involved in an EU COST Action on Conservation Physiology of Marine Fishes met in Oristano, Sardinia, to discuss how physiology can be better used in modelling tools to aid in management of marine ecosystems. Current modelling approaches incorporate physiology to different extents, ranging from no explicit consideration to detailed physiological mechanisms, and across scales from a single fish to global fishery resources. Biologists from different sub-disciplines are collaborating to rise to the challenge of projecting future changes in distribution and productivity, assessing risks for local populations, or predicting and mitigating the spread of invasive species.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,233
Écart entre enseignants0,209 · 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

Citations50
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiology LettersMême sujetMarine and fisheries researchTravaux en français237 207