Examining the performance of three ballast water compliance monitoring devices for quantifying live organisms in both regulated size classes (≥50 μm and ≥10–<50 μm)
Notice bibliographique
Résumé
A number of ballast water compliance monitoring devices (CMDs) have been made commercially available to verify the efficacy of ballast water management systems by quantifying the living organisms for both plankton size classes (≥50 μm and ≥10-<50 μm). This study aimed to examine whether new CMDs can provide a reliable indication of compliance regarding Regulation D-2 and to evaluate their performance for indicative analysis of organisms by assessing their accuracy (comparison to microscopy) and precision (comparison within measurement). Challenge fresh water samples were collected in four locations of Lake Ontario, Canada, whereas marine challenge water samples were collected around the Bay of Fundy, New Brunswick, Canada. Ballast water samples were collected from ships visiting several ports across Canada. Overall, accuracy was higher (>80%) in estimating organisms from prepared-challenge water (Ballast Eye and BallastWISE) than from ballast water samples (>70%) (B-QUA only). The sensitivity ranged from 50 to 100% for the ≥50 μm organism size class, whereas for the ≥10-<50 μm organism size class, it was higher for freshwater samples (>75%) than for marine samples (>50%). The performance of CMDs should be assessed under real-world conditions for a better understanding and to improve their use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».