Using Scenarios to Assess Possible Future Impacts of Invasive Species in the Laurentian Great Lakes
Notice bibliographique
Résumé
Abstract The expected impacts of invasive species are key considerations in selecting policy responses to potential invasions. But predicting the impacts of invasive species is daunting, particularly in large systems threatened by multiple invasive species, such as North America's Laurentian Great Lakes. We developed and evaluated a scenario-building process that relied on an expert panel to assess possible future impacts of aquatic invasive species on recreational fishing in the Great Lakes. To maximize its usefulness to policy makers, this process was designed to be implemented relatively rapidly and considered a range of species. The expert panel developed plausible, internally consistent invasion scenarios for five aquatic invasive species, along with subjective probabilities of those scenarios. We describe these scenarios and evaluate this approach for assessing future invasive species impacts. The panel held diverse opinions about the likelihood of the scenarios, and only one scenario with impacts on sport fish species was considered likely by most of the experts. These outcomes are consistent with the literature on scenario building, which advocates for developing a range of plausible scenarios in decision-making because the uncertainty of future conditions makes the likelihood of any particular scenario low. We believe that this scenario-building approach could contribute to policy decisions about whether and how to address the possible impacts of invasive species. In this case, scenarios could allow policy makers to narrow the range of possible impacts on Great Lakes fisheries they consider and help set a research agenda for further refining invasive species predictions. Received February 9, 2016; accepted July 4, 2016 Published online October 14, 2016
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 | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».