MétaCan
Menu
Retour à la cohorte
Enregistrement W4231783820 · doi:10.47886/9781934874462.ch5

Muskellunge Management: Fifty Years of Cooperation Among Anglers, Scientists, and Fisheries Biologists

2017· book-chapter· en· W4231783820 sur OpenAlexaboutno aff

Notice bibliographique

RevueAmerican Fisheries Society eBooks · 2017
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFisheryGeographyChristian ministryFishingFisheries managementGeorgianBayPopulationFish <Actinopterygii>ArchaeologyBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

&lt;em&gt;Abstract&lt;/em&gt;.—Muskies Canada Inc. (MCI) has represented Muskellunge &lt;em&gt;Esox masquinongy &lt;/em&gt;anglers since 1978, advocating for the conservation and effective management of Muskellunge populations. A core initiative of MCI, since its inception, has been the voluntary Angler Log Program (ALP), which collects data on MCI-member Muskellunge angling effort and catch. These data are shared with the Ontario Ministry of Natural Resources and Forestry with the intent of contributing to the management of Muskellunge fisheries in Ontario. This paper examines the data provided by MCI members of the six water bodies with the highest representation in the ALP from 1995 to 2015—Pigeon Lake, Rideau River, Lake St. Clair, Georgian Bay, St. Lawrence River, and Ottawa River. Mean length, catch per unit effort, and proportional size are examined to determine (1) if a response to large-scale changes in fish abundance (viral hemorrhagic septicemia-related die-offs) can be detected in the data, and (2) if data from the ALP relate to the broad management objectives for the fishery. While the ALP is subject to some sources of bias, our assessment suggests that there is considerable potential for direct use of the data in setting and measuring fishery, and Muskellunge population, objectives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,012
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,205
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Fisheries Society eBooksMême sujetFish Ecology and Management StudiesTravaux en français237 207