MétaCan
Menu
Retour à la cohorte
Enregistrement W2972206074 · doi:10.24198/jaki.v3i2.23400

Produktivitas dan Pola Musim Penangkapan Tuna Madidihang (Thunnus albacares) di Wilayah Pengelolaan Perikanan 573

2018· article· id· W2972206074 sur OpenAlexaff
Mugi Nurhayati, Sugeng Hari Wisudo, Fis Purwangka

Notice bibliographique

RevueAkuatika Indonesia · 2018
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésTunaPhysicsBiologyFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Tuna madidihang (Thunnus albacares) merupakan salah satu andalan ekspor di Indonesia. Penyebaran tuna hampir berada di seluruh Wilayah Pengelolaan Perikanan (WPP), salah satunya di WPP 573. Tuna madidihang yang didaratkan di Palabuhan Perikanan Nusantara Palabuhanratu yang diperoleh dari WPP 573 paling banyak ditangkap menggunakan rawai tuna (tuna long line) dan pancing tonda. Informasi mengenai produktivitas dan pola musim penangkapan ikan khususnya tuna madidihang menjadi penting dilakukan untuk meningkatkan efektifitas yang tinggi dan keuntungan yang optimal. Produktivitas penangkapan tuna madidihang dapat dilihat dari produksi penangkapan (catch) per upaya penangkapan (effort), sedangkan pola musim penangkapan tuna madidihang dapat dilihat dari Indeks Musim Penangkapan (IMP). Produktivitas tuna madidihang dari tahun 2013 sampai 2016 cenderung menurun, hal tersebut perlu diwaspadai karena diduga terjadi over fishing. Indeks musim penangkapan menunjukkan bahwa pada tahun 2013 sampai 2016 terjadi musim puncak penangkapan tuna madidihang pada bulan Januari-Februari dan Mei-Juli. Musim sedang terjadi pada bulan Maret-April dan Agustus-November, sedangkan musim paceklik terjadi pada bulan Desember.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,011
Tête enseignante GPT0,223
Écart entre enseignants0,211 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAkuatika IndonesiaMême sujetMarine and Coastal EcosystemsTravaux en français237 207