MétaCan
Menu
Retour à la cohorte
Enregistrement W3017243472 · doi:10.1002/fsh.10419

InFish: A Professional Network to Promote Global Conservation and Responsible Use of Inland Fish

2020· article· en· W3017243472 sur OpenAlexaff
Abigail J. Lynch, D. M. Bartley, Thomas Douglas Beard, David B. Bunnell, Steven J. Cooke, I. G. Cowx, Simon Funge‐Smith, Craig P. Paukert, Mark W. Rogers, William W. Taylor

Notice bibliographique

RevueFisheries · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Inland fishes and fisheries make substantial contributions to individuals, society, and the environment in a changing global landscape that includes climate, water allocations, and societal changes. However, current limitations to valuing the services provided by inland fish and their fisheries often leaves them out of key decision-making discussions. InFish is a voluntary professional network with over 120 members from over 50 organizations in over 20 countries that seeks to address challenges facing inland fish through novel approaches and international collaborations. InFish fosters opportunities to share knowledge, pursue proposals, publications, and conference-related events focused on inland fisheries. InFish has become a source of inland fisheries expertise, working collectively towards global conservation and sustainable use of inland fish through informing scientifically sound management practices. As such, InFish may serve as a model network for other natural resource challenges now and into the future.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,343

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,231
Écart entre enseignants0,203 · 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 tête enseignante, 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheriesMême sujetFish Ecology and Management StudiesTravaux en français237 207