MétaCan
Menu
Retour à la cohorte
Enregistrement W2417470850 · doi:10.7755/fb.113.6

Behavior-dependent selectivity of yellowtail flounder (Limanda ferruginea) in the mouth of a commercial bottom trawl

2015· article· en· W2417470850 sur OpenAlexaboutno aff
Melanie J. Underwood, Paul D. Winger, Anders Fernö, Arill Engås

Notice bibliographique

RevueBIBSYS Brage (BIBSYS (Norway)) · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLimandaFisheryFlounderFish <Actinopterygii>BiologyFlatfish

Résumé

récupéré en direct d'OpenAlex

To improve the efficiency of a commercial bottom trawl for catching yellowtail flounder (Limanda ferruginea), we studied the behavior of individuals in the middle of the trawl mouth. Observations were conducted with a high-definition camera attached at the center of the headline of a trawl, during the brightest time of day in June 2010 off eastern Newfoundland. Behavioral responses were quantified and analyzed to evaluate predictions related to fish behavior, orientation, and capture. Individuals showed 3 different initial responses independent of fish size, gait, and fish density: they swam close to (75%), were herded away from (19%), or moved vertically away from (6%) the seabed. Individuals primarily swam in the direction of initial orientation. No fish were oriented against the trawling direction. Fish in the center of the trawl mouth tended to swim along the bottom in the trawling direction. Only individuals that were stimulated to leave the bottom were caught. Individuals in peripheral locations within the trawl mouth more often swam inward and upward. Fish that swam inward were twice as likely to be caught. Fish size, gait, and fish density did not influence the probability of capture. A trawl that stimulates yellowtail flounder to orient inward and leave the bottom would increase the efficiency of a trawl.

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)0,002
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 enseignants0,113
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,051
Tête enseignante GPT0,281
Écart entre enseignants0,231 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBIBSYS Brage (BIBSYS (Norway))Même sujetMarine and fisheries researchTravaux en français237 207