MétaCan
Menu
← Retour à la cohorte
Enregistrement W2895005442 · doi:10.1139/cjfas-2017-0461

Size selectivity and length-dependent escape behaviour of haddock in a sorting device combining a grid and a square mesh panel

2018· article· en· W2895005442 sur OpenAlexvenueno aff
Bent Herrmann, Manu Sistiaga, Eduardo Grimaldo, Roger B. Larsen, Leonore Olsen, Jesse Brinkhof, Ivan Tatone

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesNorges ForskningsrådUniversitetet i Tromsø
Mots-clésHaddockSortingDemersal zoneSquare tilingGridSquare (algebra)Selection (genetic algorithm)FisheryWhitingComputer scienceFish <Actinopterygii>StatisticsMathematicsAlgorithmBiologyGeometry

Résumé

récupéré en direct d'OpenAlex

Size selectivity of a new sorting section combining a sorting grid and a square mesh panel was tested for haddock (Melanogrammus aeglefinus) in the Barents Sea demersal trawl fishery. Sampling data for a wide size range enabled investigating the selection process for this species in detail, both for the grid and the square mesh panel. Contrary to earlier studies modelling size selectivity for grids and square mesh panels, which assume that the escape behaviour of all sizes of fish is equal, we applied a model that accounted for haddock of different sizes showing different escape behaviours. Our results demonstrated that this model could describe the experimental data collected better than existing models. Specifically, our results showed that the likelihood for smaller haddock to seek escape through the grid and the square mesh panel was higher than that for bigger haddock that still would manage to escape through the devices if they attempted. The new modelling approach presented in this study may be applicable to other species, selection devices, and fisheries.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,031
Tête enseignante GPT0,251
Écart entre enseignants0,220 · 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and fisheries research→Travaux en français237 207→