MétaCan
Menu
← Retour à la cohorte
Enregistrement W2206241948 · doi:10.1139/cjfas-2015-0273

Underwater observations of seal–fishery interactions and the effectiveness of an exclusion device in reducing bycatch in a midwater trawl fishery

2015· article· en· W2206241948 sur OpenAlexvenueno aff
JM Lyle, Simon T. Willcox, Klaas Hartmann

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Environment and WaterUniversity of Tasmania
Mots-clésBycatchFishingFisheryLimitingPelagic zoneEnvironmental scienceUnderwaterOceanographyBiologyGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Interactions between seals and midwater trawl operations in the Australian Small Pelagic Fishery are common and can be lethal. The nature of interactions and effectiveness of a seal exclusion device (SED) in mitigating lethal interactions was assessed using underwater video. Recent fishing activity and the phase of the trawl operation significantly influenced interaction rates; interactions increased with the amount of recent trawl activity and were highest while the trawl was being set. Most seals accessed the trawl via the net entrance and exited via an escape opening located at the base of the SED. The size of the escape opening was the only operational factor that influenced mortality rates — simply enlarging the escape hole reduced lethal interactions by 79%. However, since all deceased seals dropped out of the net before they were brought on board, they would have gone unobserved without video monitoring. Limiting the concentration of fishing activity in space and time and refinement of the SED design, in particular to address dropouts, is recommended if mortality rates are to be reduced.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,055
Tête enseignante GPT0,259
Écart entre enseignants0,204 · 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'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

Citations17
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine animal studies overview→Travaux en français237 207→