MétaCan
Menu
Retour à la cohorte
Enregistrement W4225259787 · doi:10.1016/j.marpolbul.2022.113596

Efforts to advance underwater noise management in Canada: Introduction to the Marine Pollution Bulletin Special Issue

2022· article· en· W4225259787 sur OpenAlexaffabout
Heather Breeze, Véronique Nolet, Dugald Thomson, Andrew Wright, Emmaline Marotte

Notice bibliographique

RevueMarine Pollution Bulletin · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensTransport CanadaDefence Research and Development CanadaBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésNoise (video)Noise pollutionEnvironmental resource managementMarine habitatsWork (physics)Environmental scienceMarine pollutionGovernment (linguistics)Environmental planningOceanographyHabitatGeographyComputer sciencePollutionEngineeringEcologyGeologyNoise reduction

Résumé

récupéré en direct d'OpenAlex

This introduction to a special issue on approaches to managing underwater noise in Canada provides a brief overview of recent efforts to better understand and reduce anthropogenic underwater noise. Recent programs have aimed to increase understanding of anthropogenic noise in the habitats of highly endangered whales and have supported management actions such as vessel slow downs. Technical workshops have advanced the development of quiet ship design and associated technologies. Collaborative research examined noise levels in the St. Lawrence Estuary and the Arctic Ocean. Efforts to better manage noise have gone beyond shipping: enhanced mitigation measures have been put in place for naval exercises near habitats used by southern resident killer whales, while other work has focused on the identification of appropriate metrics for measuring noise. To coordinate and advance these and other efforts, the Government of Canada is developing a national Ocean Noise Strategy.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,010
Études des sciences et des technologies0,0040,002
Communication savante0,0060,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0300,008

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarine Pollution BulletinMême sujetMarine animal studies overviewTravaux en français237 207