Challenges in fish aging: the role of otolith preparation technique and experience level in aging lake whitefish (<i>Coregonus clupeaformis</i>)
Notice bibliographique
Résumé
Lake whitefish ( Coregonus clupeaformis (Mitchill, 1818)) is an important commercial and recreational species in the Great Lakes. Precise age estimates are important for management, and two widely used techniques for otolith preparation are thin-section and crack-and-burn, which have not been compared for lake whitefish. Sagittal otoliths were collected from 92 lake whitefish in Green Bay and Lake Michigan and aged using thin-section and crack-and-burn techniques. Otoliths were aged independently by three individuals (two novices and one expert) to assess repeatability in estimated ages. Our investigation highlights the inherent difficulty of aging lake whitefish, where thin-section produced significantly older estimated ages (6–30 years) compared to crack-and-burn (5–26 years). Percent agreement of estimated ages between preparation techniques was low for all readers within ±0 years but increased when tolerance buffers were applied. Mean coefficient of variation values from both experience levels (>10.8%) exceeded the acceptable range reported in the literature (5%–7%); however, species longevity and nature of the structure must be considered when establishing target values. Variation in estimated ages is attributed to the experience level and interpretation of structural features. Species-specific training and establishing an objective framework to identify annuli will improve precision metrics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».