MétaCan
Menu
Retour à la cohorte
Enregistrement W2168353169 · doi:10.1139/a05-012

Effects of aquaculture on wild fish populations: a synthesis of data

2005· article· en· W2168353169 sur OpenAlexaffvenue
Laura K. Weir, James WA Grant

Notice bibliographique

RevueEnvironmental Reviews · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensConcordia UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAquacultureSalmoIntrogressionBiologyFisheryFish farmingPopulationSelection (genetic algorithm)HatcherySelective breedingEcologyFish <Actinopterygii>ZoologyDemography

Résumé

récupéré en direct d'OpenAlex

The potential adverse environmental effects of aquaculture have been the subject of considerable attention in both the media and the scientific literature. We undertook a synthesis of the published scientific literature, primarily concerning Atlantic salmon (Salmo salar), to assess the current data available regarding these potential effects. No data are available to test for the direct effects of aquaculture organisms on the demographics of wild fish populations. However, seven studies show that escaped salmon in the wild have lower fitness, as measured by survival and reproductive success, than native salmon. Thirteen other studies, encompassing 91 different traits, provide strong evidence of phenotypic differences between farmed and wild salmon, presumably because of artificial selection in the aquaculture environment. An additional 10 studies have documented significant genetic differences between farmed salmon and the wild fish with which they will interact, or potentially interact. Given the paucity of data regarding actual population consequences of escaped farmed fish on wild populations, and the documented differences between the two types of fish, it seems prudent to treat farmed fish as exotic species with potentially negative consequences for wild populations, particularly when the latter are of conservation concern.Key words: aquaculture, Atlantic salmon, artificial selection, fitness, introgression.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,029
Tête enseignante GPT0,266
Écart entre enseignants0,236 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetFish Ecology and Management StudiesTravaux en français237 207