MétaCan
Menu
Retour à la cohorte
Enregistrement W4399130675 · doi:10.1111/fme.12718

Value of data in stock assessment models with misspecified initial abundance and fishery selectivity

2024· article· en· W4399130675 sur OpenAlexaff
Miren Altuna‐Etxabe, Dorleta García, Leire Ibaibarriaga, Quang Huynh, Hilário Murua, Thomas R. Carruthers

Notice bibliographique

RevueFisheries Management and Ecology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensUniversity of British ColumbiaFisheries and Oceans Canada
Organismes subventionnairesEusko JaurlaritzaEuropean Commission
Mots-clésStock (firearms)Stock assessmentFisheryPopulationEconometricsStatisticsEnvironmental scienceMathematicsGeographyFishingBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract The age‐structured assessment model available in the MSEtool R package assesses stock status and exploitation for varying data availability, from limited to rich datasets. We investigated model accuracy in relation to data availability, population exploitation levels, initial population assumption and fishery selectivity misspecification. Estimates were accurate in all conditions when data were available for a stock in an unfished state. However, for estimates to be accurate without complete exploitation data, total catch and abundance index data needed to span more than two stock generations. When the data time series was shorter than two generations, fishery mean lengths spanning one generation improved relative estimates (e.g. depletion), but precise estimates of unfished recruitment required fishery age‐ or length‐structured data.

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)0,000
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 enseignants0,391
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,042
Tête enseignante GPT0,293
Écart entre enseignants0,250 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetMarine and fisheries researchTravaux en français237 207