MétaCan
Menu
Retour à la cohorte
Enregistrement W2995500275 · doi:10.1016/j.jmarsys.2019.103291

Identification of geographic zones of influence associated with surface circulation for Aquaculture Bay Management Area application

2019· article· en· W2995500275 sur OpenAlexafffundabout
A. W. Ratsimandresy, Sébastien Donnet, Pierre Goulet

Notice bibliographique

RevueJournal of Marine Systems · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésBayDrifterCurrent (fluid)AquacultureEnvironmental scienceOceanographyAcoustic Doppler current profilerCirculation (fluid dynamics)ClimatologyGeologyFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Aquaculture Bay Management Areas have been implemented as part of measures which help ensure sustainable aquaculture activities in the Coast of Bays region of Newfoundland and Labrador. Their implementation requires a good understanding of the water connectivity in the region in order to estimate the zones of influence around each farm. Current observations from drifter experiments and Acoustic Doppler Current Profilers (ADCP) deployed in the region, together with output of a circulation model forced with tides at the open boundary and wind at the surface were used to compute particles movement occurring in the surface layer. The analysis of the current data provides information which helps define Management Areas in the region of study associated with water circulation. Three management areas were consistently identified with the different types of data used for the analysis in the Coast of Bays region. Given the differences in the temporal and spatial coverage of the data considered in the analysis, we also discuss the benefits and limitations of using these different types of observations and model outputs in estimating the zones of influence.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Marine SystemsMême sujetMarine and fisheries researchTravaux en français237 207