Commentary: comparing efficiency in aquatic and terrestrial animal production systems
Notice bibliographique
Résumé
First paragraph: Aquaculture is receiving increased attention from a variety of stakeholders. This is largely due to its current role in the global food system of supplying more than half of the seafood consumed, and also because the industry continues to steadily expand (UN Food and Agriculture Organization 2018). A recent article in Environmental Research Letters, 'Feed conversion efficiency in aquaculture: do we measure it correctly?', by Fry et al (2018a) found that measuring feed conversion efficiency of selected aquatic and terrestrial farmed animals using protein and calorie retention resulted in species comparisons (least to most efficient) and overlap among species dissimilar from comparisons based on widely used weight-based feed conversion ratio (FCR) values. The study prompted spirited discussions among researchers, industry representatives, and others. A group assembled to write a standard rebuttal, but during this process, decided it was best to engage the study's original authors to join the discourse. Through this collaboration, we provide the resultant additional context relevant to the study in order to advance conversations and research on the use of efficiency measures in aquatic and terrestrial animal production systems.
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 | 0,019 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,008 | 0,004 |
| Intégrité de la recherche | 0,055 | 0,065 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,008 |
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 ».