MétaCan
Menu
Retour à la cohorte
Enregistrement W2568502790 · doi:10.1139/cjfas-2016-0480

Authorized net losses of fish habitat demonstrate need for improved habitat protection in Canada

2017· article· en· W2568502790 sur OpenAlexaffvenueabout
Brett Favaro, Martin Olszynski

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensUniversity of CalgaryFisheries and Oceans CanadaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésHabitatFisheryFish habitatHabitat destructionFish <Actinopterygii>Scope (computer science)AuthorizationBusinessFisheries managementSafe harborGovernment (linguistics)FishingEnvironmental resource managementGeographyEcologyEnvironmental scienceLawPolitical scienceBiologyComputer security

Résumé

récupéré en direct d'OpenAlex

Fish habitat is essential to the stability and productivity of fisheries. In Canada, the primary legal tool for protecting fish habitat is the federal Fisheries Act. In 2012, this law was changed to narrow the scope of habitat protection. The government’s position was that the previous regime went beyond what was necessary to protect fish and fish habitat. Here, we tested that assertion by examining Fisheries Act authorizations to harmfully alter, disrupt, or destroy fish habitat issued by Fisheries and Oceans Canada during a 6-month period in 2012, obtained using access to information processes. We found the majority of projects (67%) were authorized to impact more habitat than proponents were required to compensate for, likely resulting in a net loss of fish habitat. Our analysis show an aggregate net loss — defined as authorized impact minus required compensation — of 2 919 143 m2 authorized across 78 projects. Drawing from these results, we present four recommendations for an improved habitat protection regime under a renewed Fisheries Act, emphasizing the need to establish a public registry for authorizations and monitoring data.

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)0,005
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 enseignants0,020
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,214
Écart entre enseignants0,190 · 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

Citations16
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetEnvironmental Conservation and ManagementTravaux en français237 207