MétaCan
Menu
← Retour à la cohorte
Enregistrement W2768291763 · doi:10.1121/1.5014140

Soundscape fishing: Spatial variability in a low-frequency fish chorus in the southern California kelp forest

2017· article· en· W2768291763 sur OpenAlexaboutno aff
Camille Pagniello, Jack Butler, Gerald L. D’Spain, Jules S. Jaffe, Ed Parnell, Ana Širović

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChorusSoundscapeOceanographyKelp forestFishingKelpMarine reserveGeologyBambooEnvironmental scienceFisheryGeographySound (geography)EcologyBiology

Résumé

récupéré en direct d'OpenAlex

The kelp forests off the coast of southern California support a diverse assemblage of fishes, many of which are known to produce sound. Here, the spatial variability of a low-frequency (325–545 Hz) fish chorus recorded at three sites near the kelp forests off La Jolla, California, is described. This chorus dominated the dusk soundscape at all sites in May/June 2015, 2016, and 2017. During these times, spectral levels around 400 Hz increased by approximately 30 dB over a period of 3 h between 19:00 and 22:00 local time. The location of the fish chorus was estimated during each year using beamforming and time difference of arrival (TDOA) techniques on signals recorded by either a two-element 30-m aperture linear seafloor array or an array with four-elements, 20-m aperture in a tetrahedral-shaped configuration. This location was relatively constant during the chorusing each night. Environmental factors such as temperature, macroalgae assemblage and bottom cover, and geological features were investigated as possible drivers of the spatial distribution of the chorus. [Research supported by California Sea Grant (R/HCME-28) and a Natural Sciences and Engineering Research Council of Canada (NSERC) Postgraduate Scholarship-Doctoral (PGS D-3).]

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,091
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,013
Tête enseignante GPT0,238
Écart entre enseignants0,225 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetMarine animal studies overview→Travaux en français237 207→