MétaCan
Menu
Retour à la cohorte
Enregistrement W4365794403 · doi:10.1139/facets-2022-0164

A prospective framework to support climate-adaptive fisheries in Canada

2023· article· en· W4365794403 sur OpenAlexaffvenueabout
Daniel G. Boyce, Nancy L. Shackell, Phil Greyson, B. J. W. Greenan

Notice bibliographique

RevueFACETS · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésClimate changeVulnerability (computing)Fisheries managementAdaptation (eye)FishingEnvironmental resource managementFisheryAdaptive capacityBusinessAdaptive managementClimate change adaptationEnvironmental planningGeographyEnvironmental scienceEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

Climate change affects virtually all marine life and is increasingly a dominant concern for fisheries, reinforcing the need to incorporate climate variability and change when managing fish stocks. Canada is expected to experience widespread climate-driven impacts on its fisheries but does not yet have a clear adaptation strategy. Here, we provide an overview of a project we are developing, the Climate Adaptation Framework for Fisheries, to address this need and support climate adaptation in Canadian marine fisheries. The framework seeks to quantitatively and flexibly evaluate species, fishing infrastructure, and the management and operation of fisheries to assess climate vulnerability comprehensively and provide outputs that can support climate adaptation planning across different sectors, agencies, and stakeholders. This new framework should allow future climate scenarios to be evaluated and identify actionable climate vulnerabilities related to the management of fisheries, creating a systematic approach to supporting climate adaptation in Canada’s fisheries.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,019
Tête enseignante GPT0,251
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetMarine and fisheries researchTravaux en français237 207