MétaCan
Menu
Retour à la cohorte
Enregistrement W3179152077 · doi:10.52201/cej18hjvu9134

Autumn electrofishing reduces harm to Ontario (Canada) stream fishes collected during watershed health monitoring

2021· article· en· W3179152077 sur OpenAlexaboutno aff
Scott M. Reid, Anita LeBaron

Notice bibliographique

RevueConservation Evidence Journal · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrofishingFisheryWatershedSampling (signal processing)Environmental scienceSTREAMSGeographyFish <Actinopterygii>BiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Electrofishing surveys provide important information on watershed health, and the status of imperiled and recreationally important stream fishes. Concerns about the harmful effects of electrofishing on the endangered redside dace Clinostomus elongatus have resulted in restrictions on its use in sampling activities in the province of Ontario, Canada. However, the effectiveness of these restrictions is unproven. We undertook a paired sampling gear study in 2018-2019 to test whether an alternate gear (seine nets) or a change in electrofishing timing (autumn rather than summer) reduced harm to stream fishes. The study took place in streams located in the Greater Toronto Area. We found large differences in the frequency and magnitude of sampling-related mortalities between sampling gear and seasons. During individual surveys, electrofishing mortality never exceeded 9% in the summer or 4% in the autumn, while seining-related mortality reached 60% at two stream sites. Overall, autumn electrofishing resulted in mortality rates that were 5.6 and 15 times lower than summer electrofishing and summer seining. These results indicate that survival of Ontario stream fishes can be improved by delaying electrofishing until early autumn.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,347

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,255
Écart entre enseignants0,223 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation Evidence JournalMême sujetFish Ecology and Management StudiesTravaux en français237 207