MétaCan
Menu
← Retour à la cohorte
Enregistrement W3134242164 · doi:10.14288/1.0394806

What has Canada caught, and how much is left? Reconstructing and assessing fisheries in three oceans

2020· article· en· W3134242164 sur OpenAlexaboutno aff
Rebecca Schijns

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFisheryGeographyOceanographyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Canada’s marine fisheries occur in three oceans, designated by Pacific, Arctic and Atlantic Exclusive Economic Zones (EEZs), where management bodies utilize catch records in order to make decisions regarding the future of their fisheries. However, current catch reporting systems and stock assessment processes are flawed, as catch records are missing key fishery components and assessments may use time series that do not represent the full scale of change. These shortcomings can directly impact the perception of healthy fisheries and influence future management decisions. This research provides a comprehensive catch record for all available marine populations in Canada’s three surrounding EEZs from 1950-2017 in order to estimate their current status and provide reference points that may be useful for managers to secure marine resources for the future. Catch reconstructions initially done by the Sea Around Us group and external collaborators, are refined and updated to 2017. Using reconstructed time series, the most recent ‘CMSY’ stock assessment method allows reference points to be estimated and reveals that the majority of Canadian fisheries need rebuilding. As well, ‘CMSY’ analyses are used to investigate shifting baseline effects on selected official stock assessments that exhibit shortened catch time series. Overall, this research contributes to improving scientific baselines in order to gain a better understanding of Canadian fisheries from a historical and managerial perspective.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0040,002
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,171
Écart entre enseignants0,153 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetMarine and fisheries research→Travaux en français237 207→