MétaCan
Menu
Retour à la cohorte
Enregistrement W3093848276 · doi:10.1093/biosci/biaa090

Single-Stream Recycling Inspires Selective Fish Passage Solutions for the Connectivity Conundrum in Aquatic Ecosystems

2020· article· en· W3093848276 sur OpenAlexafffund
Daniel P. Zielinski, Robert L. McLaughlin, Thomas C. Pratt, R. Andrew Goodwin, Andrew M. Muir

Notice bibliographique

RevueBioScience · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesU.S. Fish and Wildlife ServiceMinistry of Natural Resources
Mots-clésFish <Actinopterygii>Aquatic ecosystemEcosystemEnvironmental scienceFisheryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Barrier removal is a recognized solution for reversing river fragmentation, but restoring connectivity can have consequences for both desirable and undesirable species, resulting in a connectivity conundrum. Selectively passing desirable taxa while restricting the dispersal of undesirable taxa (selective connectivity) would solve many aspects of the connectivity conundrum. Selective connectivity is a technical challenge of sorting an assortment of things. Multiattribute sorting systems exist in other fields, although none have yet been devised for freely moving organisms within a river. We describe an approach to selective fish passage that integrates ecology and biology with engineering designs modeled after material recycling processes that mirror the stages of fish passage: approach, entry, passage, and fate. A key feature of this concept is the integration of multiple sorting processes each targeting a specific attribute. Leveraging concepts from other sectors to improve river ecosystem function may yield fast, reliable solutions to the connectivity conundrum.

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)0,002
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,043
Tête enseignante GPT0,237
Écart entre enseignants0,194 · 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

Citations56
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioScienceMême sujetFish Ecology and Management StudiesTravaux en français237 207