MétaCan
Menu
← Retour à la cohorte
Enregistrement W2461158158 · doi:10.1101/061143

Compensatory responses by managers, commercial and recreational harvesters to variation in stock abundance of Lake Erie walleye ( <i>Sander vitreus vitreus</i> )

2016· preprint· en· W2461158158 sur OpenAlexafffund
Katrine Turgeon, Kevin Reid, John M. Fryxell, Thomas D. Nudds

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2016
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensOntario Commercial Fisheries' AssociationUniversity of GuelphMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSanderStock (firearms)FisheryAbundance (ecology)FishingRecreationStock assessmentEnvironmental scienceGeographyEcologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Delayed quota adjustments, and/or lagged fishing effort and catch by harvesters, to changes in stock abundance may induce unstable population dynamics and exacerbate the risk of fishery collapse. We examined a 39-y time series of change to quotas by managers, and to effort and catch by both commercial harvesters and anglers, in response to changes in Lake Erie walleye abundance ( Sander vitreus ) estimated both contemporaneously and retrospectively. Quotas, commercial effort and catch were entrained by contemporaneous estimates of stock abundance. Recreational effort and harvest were not; they had better tracked abundance, as better estimated today, than did the commercial fishery. During the 1990s, a significant mismatch developed between the quota-driven commercial harvest and stock abundance that persisted until a new assessment process obtained. The quasi-open access recreational fishery, instead, freed anglers to respond better to stock abundance. Further elaboration of adaptive risk governance processes, including multi-model inference for stock assessments, may bode well to further reduce risk to fisheries imposed by lagged adjustments to variation in stock abundance.

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 enseignants0,006
Score d'incertitude au seuil0,012

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFish Ecology and Management Studies→Travaux en français237 207→