A review of acoustic telemetry in Europe and the need for a regional aquatic telemetry network
Notice bibliographique
Résumé
Globally, there are a large and growing number of researchers using biotelemetry as a tool to study aquatic animals. In Europe, this community lacks a formal network structure. The aim of this study is to review the use of acoustic telemetry in Europe and document the contribution of cross-boundary studies and inter-research group collaborations. Based on this, we explore the potential benefits and challenges of a network approach to identify future priorities and best practices for aquatic biotelemetry research in Europe. Over the past decade, there was an approximately sevenfold increase in the number of acoustic telemetry studies published on marine and diadromous species in Europe compared to a sixfold increase globally. Over 90% of these studies were conducted on fishes and undertaken in coastal areas, estuaries, or rivers. 75% of these studies were conducted by researchers based in one of five nations (Norway, UK, France, Portugal, and Spain) and, even though 34% were based on collaborations between scientists from several countries, there was only one study with an acoustic receiver array that extended beyond the borders of a single country. In recent years, acoustic telemetry in European waters has evolved from studying behavioural aspects of animals (82.2%), into more holistic approaches addressing management-related issues (10%), tagging methods and effects (5%), and technology and data analysis development (2.8%). Despite the increasing number of publications and species tracked, there is a prominent lack of planned and structured acoustic telemetry collaborations in Europe. A formal pan-European network structure would promote the development of (1) a research platform that could benefit the acoustic telemetry community through capacity building, (2) a centralized database, and (3) key deployment sites and studies on priority species requiring research in Europe. A network may increase efficiency, expand the scope of research that can be undertaken, promote European science integration, enhance the opportunities and success of acquiring research funding and, ultimately, foster regional and transatlantic collaborations. It may also help address research priorities such as the large-scale societal challenges arising from climate change impacts and assist the EU’s Marine Strategy Framework Directive via identification of good environmental status of endangered or commercially important species.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».