MétaCan
Menu
Retour à la cohorte
Enregistrement W2978508246 · doi:10.24908/iqurcp.9444

20. Fishy Business

2018· article· en· W2978508246 sur OpenAlexvenueno aff
Rachel Selwyn, Katarina Simcisko, Alexandra Ternosky, Kai C. Wong

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessPopulationFishingFish <Actinopterygii>SustainabilityFisheryFishing industryPurchasingMarketingGrocery storeDiversity of fishFish stockEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Anthropocentric activities have led to unsustainable populations of various fish species around the world today. We have increased our cultivation rates to manage our own growing population sizes at the expense of fish species. As a result, fish stocks around the world are in decline and the fishing industry today is pushing them to the point of collapse. Although many people would like to believe that their grocery stores are stocking their shelves with fish from sustainable sources, that is not always the case, and the general population is lacking the knowledge to make informed choices when purchasing fish. We aim to assess the types of fish, their sources, and the information provided to consumers about the fish in grocery stores of the Queen’s student area. We will work closely with Food Basics, Metro, John’s Deli, and Loblaw’s. After assessing these stores we will inform the public on which grocery stores have the best practices, and also inform the stores on ways in which they can change to include information for consumers on the sources and methods of obtaining the fish sold in their stores. We would like to be able to provide the public with labels indicating where the fish was caught, how it was caught, whether it was farmed or fished, and whether it was sustainably sourced. We will implement a consistent format in all of the stores and raise awareness in Kingston about the issues facing the fishing industry and how our choices can impact fish 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 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)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,006
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,073
Tête enseignante GPT0,336
Écart entre enseignants0,263 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetCoastal and Marine ManagementTravaux en français237 207