MétaCan
Menu
Retour à la cohorte
Enregistrement W2606870238 · doi:10.1111/faf.12219

What makes fish vulnerable to capture by hooks? A conceptual framework and a review of key determinants

2017· review· en· W2606870238 sur OpenAlexafffund
Robert J. Lennox, Josep Alós, Robert Arlinghaus, Andrij Z. Horodysky, Thomas Klefoth, Christopher T. Monk, Steven J. Cooke

Notice bibliographique

RevueFish and Fisheries · 2017
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensCarleton University
Organismes subventionnairesMinisterio de Economía y CompetitividadNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésVulnerability (computing)FishingInterdependenceEcologyFish stockFisheryVulnerability assessmentPopulationGeographyEnvironmental resource managementBiologyEnvironmental scienceComputer sciencePsychological resilienceSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Considerable time and money are expended in the pursuit of catching fish with hooks (e.g., handlining, angling, longlining, trolling, drumlining) across the recreational, commercial and subsistence fishing sectors. The fish and other aquatic organisms (e.g., squid) that are captured are not a random sample of the population because external (e.g., turbidity) and underlying internal variables (e.g., morphology) contribute to variation in vulnerability to hooks. Vulnerability is the probability of capture for any given fish in a given location at a given time and mechanistically explains the population‐level catchability coefficient, which is a fundamental and usually time‐varying (i.e., dynamic) variable in fisheries science and stock assessment. The mechanistic drivers of individual vulnerability to capture are thus of interest to fishers by affecting catch rates, but are also of considerable importance to fisheries managers whenever hook‐and‐line‐generated data contribute to stock assessments. In this paper, individual vulnerability to hooks is conceptualized as a dynamic state, in which individual fish switch between vulnerable and invulnerable states as a function of three interdependent key processes: an individual fish's internal state, its encounter with the gear, and the characteristics of the encountered gear. We develop a new conceptual framework of “vulnerability,” summarize the major drivers of fish vulnerability, and conclude that fish vulnerability involves complex processes. To understand vulnerability, a shift to interdisciplinary research and the integration of ecophysiology, fish ecology, fisheries ecology and human movement ecology, facilitated by new technological developments, is required.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0080,005
Études des sciences et des technologies0,0010,006
Communication savante0,0030,006
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
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 Opus0,050
Tête enseignante GPT0,327
Écart entre enseignants0,277 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations133
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetMarine and fisheries researchTravaux en français237 207