Improving stock assessments through data prioritization
Notice bibliographique
Résumé
The need for “better data” is a common response of stakeholders and managers when confronted with the uncertainty of advice resulting from quantitative stock assessments. Most contemporary stock assessments are based on an integrated analysis of multiple data types, each with their associated cost to collect. Data collection resources are inevitably limited; therefore, it is important to quantify the relative value of increased sampling for alternative data types in terms of improving stock assessments. We approached this universal problem using a simulation study of a hypothetical, amalgam species developed from eight separate stock assessments conducted for species found in southeastern US Atlantic waters. We simulated a population and a stock assessment from the amalgam species and then individually improved alternative data types (indices, age compositions, landings, and discards) by increasing either precision or sample size. We also simulated the effects of increased sampling for alternative groupings of data that might be collected in concert (e.g., commercial, recreational, or survey). Our results show that for the snapper–grouper complex we modeled, age composition data have the largest effect on the accuracy of assessments, with commercial age compositions being the most influential. This is due in part to the relative paucity of age composition data for many southeast US marine stocks, so that modest increases in collection efforts have relatively high benefits for age-based assessment models currently in use for the region. Though this study used data from a particular region of the US, our investigative framework is broadly applicable for quantitatively evaluating the benefits of improved data collection in terms of the precision of stock assessments in any region.
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 | 0,066 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».