MétaCan
Menu
Retour à la cohorte
Enregistrement W2295122539 · doi:10.1093/icesjms/fsv106

Assessment of upstream and downstream passability for eel at dams

2015· article· en· W2295122539 sur OpenAlexaffabout
V. Tremblay, Claudia Cossette, J.‐D. Dutil, Guy Verreault, Pierre Dumont

Notice bibliographique

RevueICES Journal of Marine Science · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésHydroelectricityDownstream (manufacturing)HabitatHydrology (agriculture)Upstream (networking)PopulationEnvironmental scienceUpstream and downstream (DNA)GeographyFisheryEcologyGeologyEngineeringBiologyGeotechnical engineeringDemographyOperations management

Résumé

récupéré en direct d'OpenAlex

Abstract The American eel (Anguilla rostrata) population has experienced a marked population decline. Habitat loss resulting from dam construction to improve the control and use of freshwater discharge is one of the factors involved. There are some 5600 dams in rivers draining to the St. Lawrence River in Quebec (Canada). Their passability to eels migrating upstream and downstream has been assessed using the Québec Dam Database. Eighteen percent of the dams are used for supplying water and 13% for hydroelectricity, but >50% are used for recreational purposes. Although the majority of the dams are <3 m in height and are made of concrete or earthfill, dams present a great variety of physical characteristics. Passability ranks were assigned to each category of dam based on three assessment criteria: the height of the dam, the materials used in its construction, and its use. Passability to upstream migrants was also assessed from photographs for a subset of dams. The two methods (statistical analysis and the use of photographs) may yield different results, but the two methods were consistent to identify the impassable dams. This analysis shows overall that the problem of passability is more significant for upstream passage than it is for downstream passage.

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 enseignants0,052
Score d'incertitude au seuil0,104

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
Bibliométrie0,0020,001
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)0,0020,000

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 Opus0,018
Tête enseignante GPT0,298
Écart entre enseignants0,280 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueICES Journal of Marine ScienceMême sujetFish Ecology and Management StudiesTravaux en français237 207