MétaCan
Menu
Retour à la cohorte
Enregistrement W3201886883 · doi:10.3390/jmse9101057

The Biology of Mesopelagic Fishes and Their Catches (1950–2018) by Commercial and Experimental Fisheries

2021· article· en· W3201886883 sur OpenAlexaff
Daniel Pauly, Chiara Piroddi, Lincoln Hood, Nicolas Bailly, Elaine Chu, Vicky Lam, Evgeny A. Pakhomov, Leonid Pshenichnov, В. И. Радченко, Maria Lourdes D. Palomares

Notice bibliographique

RevueJournal of Marine Science and Engineering · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensTula FoundationUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésMesopelagic zoneBycatchFisheryDiscardsFisheries scienceTrawlingFisheries managementFish <Actinopterygii>FishingPelagic zoneBiology

Résumé

récupéré en direct d'OpenAlex

Following a brief review of their biology, this contribution is an attempt to provide a global overview of the catches of mesopelagic fishes (of which 2.68 million tonnes were officially reported to the FAO) throughout the world ocean from 1950 to 2018, to serve as a baseline to a future development of these fisheries. The overview is based on a thorough scanning of the literature dealing with commercial or experimental fisheries for mesopelagics and their catches, and/or the mesopelagic bycatch of other fisheries. All commercial (industrial and artisanal) fisheries for mesopelagic fishes were included, as well as experimental fisheries of which we were aware, while catches performed only to obtain scientific samples were omitted. The processes of generating bycatch and causing discards are discussed, with emphasis on Russian fisheries. From peer-reviewed and gray literature, we lifted information on mesopelagic fisheries and assembled it into one document, which we then summarized into two text tables with catch data, one by country/region, the other by species or species groups.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,224 · 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

Citations45
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marine Science and EngineeringMême sujetIdentification and Quantification in FoodTravaux en français237 207