MétaCan
Menu
← Retour à la cohorte
Enregistrement W3022050016 · doi:10.1121/1.3588432

The effects of underwater noise on marine mammals.

2011· article· en· W3022050016 sur OpenAlexaboutno aff
Christine Erbe

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoundscapeSound (geography)Beluga WhaleUnderwaterAmbient noise levelNoise (video)AcousticsMarine mammalSonarEnvironmental scienceNatural (archaeology)WhaleBioacousticsNatural soundsOceanographyFisheryGeologyComputer scienceArcticBiology

Résumé

récupéré en direct d'OpenAlex

The marine soundscape is made up of natural ambient sounds, biological sounds, and anthropogenic sounds. Natural ambient sound sources include wind, waves, rain, and ice. Biological sounds include calls emitted by marine mammals, fish, and crustaceans. Water conducts light very poorly but sound very well, which is why marine animals rely heavily on acoustics for communication and navigation. Did you know that fish talk underwater? Anthropogenic, i.e., man-made, sources of sound include ships, harbor construction, petroleum exploration, naval sonar, fish finders, etc. Acoustic ecology encompasses the relationships—mediated through sound—between organisms and their environment. An overview of marine acoustic ecology will be presented with focus on the effects of man-made noise on marine mammals. You will be able to immerse yourself in the underwater soundscape and listen to both man-made and animal sounds. The interference of noise with animal signals will be explored through masked hearing experiments. Come and test if you can hear whale calls in ship noise better than a trained beluga whale from Vancouver Aquarium.

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)0,001
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetMarine animal studies overview→Travaux en français237 207→