MétaCan
Menu
Retour à la cohorte
Enregistrement W2898382718 · doi:10.1002/fsh.10190

How Can We Understand Freshwater Soundscapes Without Fish Sound Descriptions?

2018· article· en· W2898382718 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFisheries · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSoundscapeFish <Actinopterygii>Sound (geography)FisheryFreshwater fishEnvironmental scienceAcousticsGeographyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The ecological importance of the freshwater soundscape is just beginning to be recognized by society. Scientists are beginning to apply Passive Acoustic Monitoring (PAM) methods that are well established in marine systems to freshwater systems to map spatial and temporal patterns of behaviors associated with fish sounds as well as noise impacts on them. Unfortunately, these efforts are greatly hampered by a critical lack of data on the sources of sounds that make up the soundscape of freshwater habitats. A review of the literature finds that only 87 freshwater species have been reported to produce sounds in North America and Europe over the last 200 years, accounting for 5% of the known freshwater fish diversity. The problem is exacerbated by the general failure of researchers to report the detailed statistical descriptions of fish sound characteristics that are necessary to develop PAM programs. We suggest that publishers and editors should do more to encourage reporting of statistical properties of fish sounds. In addition, we call for research, academic, and government agencies to develop regional libraries of fish sounds to aid in PAM and anthropogenic noise impact studies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,040
Tête enseignante GPT0,226
Écart entre enseignants0,186 · 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