A three‐pronged approach that leans on Indigenous knowledge for northern fish monitoring and conservation
Notice bibliographique
Résumé
Investigating whether changes within fish populations may result from harvesting requires a comprehensive approach, especially in more data-sparse northern regions. Our study took a three-pronged approach to investigate walleye population change by combining Indigenous knowledge (IK), phenotypic traits, and genomics. We thank Larson et al. (2020) for their critiques of our study; certainly, there are aspects of their critique that are warranted and merit further investigation. However, we argue that their critique is over-stated and misleading, primarily given that (a) one of three prongs of our research, IK, was dismissed in their assessment of our study's conclusions; (b) our Bayesian size-at-age modeling should help to mitigate sample size issues; (c) their re-analysis of our size-at-age data does not actually refute our results; (d) genomic changes that we observed are nascent; (e) the data file that Larson et al. (2020) used for their genomic re-analysis was not correct; and (f) criteria that Larson et al. (2020) use for their genomic re-analysis were not properly justified.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,143 | 0,171 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,034 |
| Communication savante | 0,013 | 0,022 |
| Science ouverte | 0,009 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».