Scientific knowledge gaps on the biology of non-fish marine species across European Seas
Notice bibliographique
Résumé
Available information and potential data gaps for non-fish marine organisms (cnidarians, crustaceans, echinoderms, molluscs, sponges, mammals, reptiles, and seabirds) covered by the global database SeaLifeBase were reviewed for eight marine ecosystems (Adriatic Sea, Aegean Sea, Baltic Sea, Bay of Biscay/Celtic Sea/Iberian Coast, Black Sea, North Sea, western Mediterranean Sea, Levantine Sea) across European Seas. The review of the SeaLifeBase dataset, which is based on published literature, analyzed information coverage for eight biological characteristics (diet, fecundity, maturity, length-weight relationships, spawning, growth, lifespan, and natural mortality). These characteristics are required for the development of ecosystem and ecological models to evaluate the status of marine resources and related fisheries. Our analyses revealed that information regarding these biological characteristics in the literature was far from complete across all studied areas. The level of available information was nonetheless reasonably good for sea turtles and moderate for marine mammals in some areas (Baltic Sea, Bay of Biscay/Celtic Sea/Iberian Coast, Black Sea, North Sea and western Mediterranean Sea). Further, seven of the areas have well-studied species in terms of information coverage for biological characteristics of some commercial species whereas threatened species are generally not well studied. Across areas, the most well-studied species are the cephalopod common cuttlefish (Sepia officinalis) and the crustacean Norway lobster (Nephrops norvegicus). Overall, the information gap is narrowest for length-weight relationships followed by growth and maturity, and widest for fecundity and natural mortality. Based on these insights, we provide recommendations to prioritize species with insufficient or missing biological data that are common across the studied marine ecosystems and to address data deficiencies.
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 | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».