MétaCan
Menu
← Retour à la cohorte
Enregistrement W4382198978 · doi:10.1139/cjfas-2023-0030

If you build it, will they pass? A systematic evaluation of fish passage efficiency for three large-bodied warm-water fishes

2023· article· en· W4382198978 sur OpenAlexvenueno aff
Kayla Kelley, Eliza I. Gilbert, Casey A. Pennock, Mark C. McKinstry, Peter D. MacKinnon, Scott L. Durst, Nathan R. Franssen

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesBureau of ReclamationU.S. Fish and Wildlife Service
Mots-clésSuckerCatostomusFisheryFish <Actinopterygii>Trap (plumbing)Environmental scienceEcologyBiologyZoology

Résumé

récupéré en direct d'OpenAlex

Fish passages are constructed to facilitate movement around barriers, but few are quantitatively evaluated for non-salmonids. We quantified the efficiency of a selective, nature-like fish passage for three native fishes, Colorado pikeminnow ( Ptychocheilus lucius), flannelmouth sucker ( Catostomus latipinnis), and razorback sucker ( Xyrauchen texanus), in the San Juan River, NM, USA, by estimating the probabilities of completing three navigational phases and associated delay times. We compared passage efficiency in years when fish were captured in a trap and manually moved upstream to years when the trap was removed in the spring. All species were less efficient at navigating the attraction and exit phases compared with the ascent phase. Operating the passage without the trap generally increased passage success and shortened delay times. The mean probability of passage and delay time among species when the trap was removed ranged from 34%–55% and 5–21 days, respectively. Our results suggest species- and phase-specific variation in passage efficiency and highlight the need for evaluations to aid future passage design and operation for a greater diversity of fish.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,244
Écart entre enseignants0,215 · 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'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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→