MétaCan
Menu
Retour à la cohorte
Enregistrement W2831166905 · doi:10.1139/cjfas-2018-0017

Using length–mass relationships to estimate life history: an application to deep-sea fishes

2018· article· en· W2831166905 sur OpenAlexvenueno aff
Brittany Finucci, Matthew R. Dunn, Richard Arnold

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFish Biology and Ecology Studies
Établissements canadiensnon disponible
Organismes subventionnairesVictoria UniversityVictoria University of WellingtonNational Institute of Water and Atmospheric Research
Mots-clésVariance (accounting)Biological dataScale (ratio)Fish <Actinopterygii>FisheryEcologyBiologyStatisticsEnvironmental scienceOceanographyGeographyMathematicsGeologyCartography

Résumé

récupéré en direct d'OpenAlex

Length–mass relationships, while often overlooked, form the basis of many fisheries science applications. Fisheries-independent research surveys compile large databases of biological data that could hold a wealth of information regarding species’ life history, which, for many, are data deficient and infrequently sampled. A flexible model using permutations of a broken stick and variance shift was applied to length–mass relationships to evaluate changes in the mean or variability of mass-at-length using data from deep-sea fishes and focusing on particularly poorly known deep-sea chondrichthyans. Changes in body shape and (or) in the scale of variability around mean mass-at-length were estimated for most species (94% of data sets examined). Such changes seemed likely to be correlated with biological factors, such as the onset of reproduction; 70% of length estimates for a variance shift correlated with the expected length-at-maturity. The model presented here could be applied to any fish where length and mass data are available, providing a way to estimate, validate, and investigate biological factors in species where macroscopic evaluations are unavailable or difficult to estimate.

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)0,009
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,091
Tête enseignante GPT0,263
Écart entre enseignants0,172 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetFish Biology and Ecology StudiesTravaux en français237 207