A decision support tool to prioritize ballast water compliance monitoring by ranking risk of non‐indigenous species establishment
Notice bibliographique
Résumé
Abstract Despite the availability of research which has direct applications to environmental management, there is often a disconnect between scientific research and applied management that presents challenges for using academic knowledge in day‐to‐day operations by non‐scientists. A science‐based decision support tool was developed in partnership with Canada's marine authority, Transport Canada, for use by ballast water inspectors in their daily operations to inform prioritization of ships for regulatory compliance inspections. This science‐based tool combines information on the two primary pathway‐level predictors of species establishment success: environmental matching between source and recipient locations and propagule pressure (introduction effort), to generate risk estimates and relative rankings using data taken directly from ballast water reporting forms submitted by arriving ships. This tool thus packages the best available scientific knowledge in such a way as to be readily accessible for day‐to‐day decision‐making. While this tool was developed for Canada, it could be applied in any country with very little, if any, modification. This tool can also be updated in the future to incorporate advances in scientific understanding of ballast‐mediated introductions of non‐indigenous species. Synthesis and applications . Partnerships between scientists and managers are essential for ensuring that best‐available science translates into effective adaptive management. Recognizing a need to inform ballast water management compliance inspections, a tool was created that automatically estimates relative risk of establishment of non‐indigenous species for arriving ships. This information can be used by ballast water inspectors developing priorities for resource‐limited regulatory compliance inspections.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 tête enseignante, 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 ».