MétaCan
Menu
← Retour à la cohorte
Enregistrement W2802366847 · doi:10.1121/1.5036179

Analysis of Haddock (<i>Melanogrammus aeglefinus</i>) sounds recorded in the Northwest Atlantic

2018· article· en· W2802366847 sur OpenAlexaff
Xavier Mouy, Rodney A. Rountree, Katie A. Burchard, Francis Juanes, Stan E. Dosso

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHaddockSound (geography)FisheryOceanographyEnvironmental scienceGeologyBiologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Haddock (Melanogrammus aeglefinus) are present on both sides of the North Atlantic. Their distribution in the Northwest Atlantic ranges from Greenland to North Carolina. They are an important food resource that needs to be closely monitored to ensure a sustainable fishery. Research studies have reported that both male and female haddock produce sounds during courtship and spawning. These sounds can be used to monitor spawning activities non-intrusively and at large scale. The objective of this paper is to analyse the spatial and temporal occurrence of Haddock sounds in the Gulf of Maine. Passive acoustic data were collected in 2003, 2004, 2006, and 2007 in areas known to contain spawning haddock. To analyze the large amount of data collected, an automated haddock sound detector was developed based on a measure of kurtosis and the Dynamic Time Warping algorithm. The detector was trained using the 2006 and 2007 data and its performance was quantified and optimized by comparing detection results with manually annotated Haddock sounds. The detector was then used to analyze data collected in 2003 and 2004. Results provide information on the temporal and spatial distributions of courtship and spawning sounds.

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 enseignants0,018
Score d'incertitude au seuil0,036

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
Bibliométrie0,0010,000
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)0,0000,000

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 GPT0,243
Écart entre enseignants0,230 · 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
Publié2018
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→