MétaCan
Menu
Retour à la cohorte
Enregistrement W4396525834 · doi:10.32360/acmar.v56i1.82925

BAYESIAN LENGTH ANALYSIS AND EXPLOITATION RATES FROM THE MAIN TARGET SHARK SPECIES CAUGHT IN THE NORTHWESTERN MEXICAN PACIFIC: A PREAMBLE TO FISHERY INDICATORS

2023· article· en· W4396525834 sur OpenAlexaff
Luis Daniel Carrillo-Colín, Esteban Bada-Sánchez, José Leonardo Castillo‐Geniz

Notice bibliographique

RevueArquivos de Ciências do Mar · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésFisheryPreambleGeographyBayesian probabilityOceanographyBiologyStatisticsMathematicsChannel (broadcasting)Computer scienceGeologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Sharks in Mexico have economic, fishing, and social importance; however, there are no complete assessments of their populations, mainly due to scarce and inadequate catch and effort data. Nevertheless, through size frequency analysis, it is possible to obtain preliminary fishing indicators to know the status of an exploited population. This study analyzes fishing- dependent data (sizes and sexes) of nine species of pelagic sharks from data collected onboard medium-size shark vessels in the Mexican Pacific from 2006 to 2018. Our results suggest that the average lengths in the catch have remained constant throughout the study period. Similarly, exploitation rates remained below the benchmarks proposed by the literature. However, the results presented in this study should be taken cautiously and only as a preliminary analysis until more complete studies are carried out. Keywords: bayesian approach, Mexican Pacific, pelagic sharks, total mortality.

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)0,001
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 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 enseignants0,030
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArquivos de Ciências do MarMême sujetMarine and fisheries researchTravaux en français237 207