MétaCan
Menu
Retour à la cohorte
Enregistrement W4387050116 · doi:10.53555/sfs.v10i3.1614

Blue Swimming Crab (Portunus pelagicus) Fishery Status in Lianga Bay, Surigao del Sur, Philippines

2023· article· en· W4387050116 sur OpenAlexvenueno aff
Antonio G. Gascon, Fabio C. Ruaza, Bernardita G. Quevedo, Jaynos R. Cortes

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish biology, ecology, and behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPortunus pelagicusFisheryBayCarapaceFishingCatch per unit effortGeographyFisheries managementBycatchEnvironmental scienceBiologyCrustacean

Résumé

récupéré en direct d'OpenAlex

This study aimed to determine the catch per unit effort (CPUE), fishing gears used, catch volume, carapace length, and physico-chemical parameters of the Blue Swimming Crab (BSC) in the four municipalities of Lianga Bay, Surigao del Sur, Philippines, namely Barobo, Lianga, San Agustin, and Marihatag. The survey questionnaire was deployed based on the Blue Swimming Crab Management Plan (BSCMP). After three months of observation, Barobo obtained the highest CPUE while Marihatag had the lowest. Barobo also had the highest CPUE using a gill net and crab pot while San Agustin had the lowest using bintol. In terms of catch, the monthly trend showed that March had the highest catch, while April had the least. The frequency distribution of the carapace length showed a unimodal pattern in all municipalities. The physico-chemical parameters of the water were within tolerable limits for the BSC. This study provides baseline data on the BSC fishery in Lianga Bay, which can be used in developing sustainable management strategies for the BSC fishery in the area, ensuring its long-term viability while promoting conservation efforts.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,104
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,136
Tête enseignante GPT0,280
Écart entre enseignants0,145 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetFish biology, ecology, and behaviorTravaux en français237 207